数据集划分标准：

1、训练集

   训练数据(Train data)集是用于建模的，数据集每个样本是有标签的（正确答案）。通常情况下，在训练集上模型执行得很好，并不能真的说明模型好，我们更希望模型对看不见的数据有好的表现，训练属于建模阶段，线下进行，如果把机器学习过程比作高考过程，训练相当于平时的练习。

2、验证集

   为了模型对看不见的数据有好的表现，使用验证数据(Validation data)集评估模型的各项指标，如果评估结果不理想，将改变一些用于构建学习模型的参数，最终得到一个满意的训练模型。在验证集上模型执行得很好，也不能真的说明模型好，我们更希望模型对看不见的数据有好的表现，验证属于建模阶段，线下进行，如果把机器学习过程比作高考过程，验证相当于月考或周考。

3、测试集

   测试数据(Test data)集是一个在建模阶段没有使用过的数据集。我们希望模型在测试集上有好的表现，即强泛化能力。测试属于模型评估阶段，线上进行，如果把机器学习过程比作高考过程，验证相当高考。

4、数据集划分标准

   一般来说采用70/15/15，但这不是必须的，要根据具体任务确定划分比。