【QA】為什麼做模型時需要將同一個訓練集（Training Data）在細分成訓練集與驗證集（Validation Data）?
------ 通常我們會將驗證集歸於訓練集內，那驗證集、訓練集、甚至是測試集，又個別代表什麼意思呢？ 下面我想用圖表來跟大家討論一下。
回答列表
-
2021/08/11 下午 09:19Chili贊同數：1不贊同數：0留言數：0
對於監督式學習的模型來說，具備label 的數據是相當珍貴且重要的，但我們在訓練模型時，卻不能將所有資料都丟入訓練，必須將資料集分為訓練集（Training Data）、驗證集（Validation Data）、測試集（Testing Data），為此才能依據數據為訓練出來的模型打分數，取得一接近最好的模型。 - 三種資料集比較：  ----- 通常來說我們會將數據70%分給訓練模型、10%於驗證模型，剩下的20％分配給測試模型。但這切分比例沒有明確的區分規定，可根據資料特性做調整。  --- - 參考答案來源： 李鴻毅：https://datawhalechina.github.io/leeml-notes/#/chapter5/chapter5?id=模型选择