训练集、验证集、测试集：各司其职的三兄弟

训练集用来训练模型，验证集用来调参和选模型，测试集只在最后用一次，评估真实表现。三者的严格分离是防止“模型作弊”的基本规范，也是机器学习工程化的底线。

三兄弟的分工像一场严谨的科研：训练集是练习题，验证集是模拟考，测试集是期末考。如果学生提前看到了期末考试卷（测试集泄漏），考出的分数就毫无意义。这个道理朴素，却是无数 AI 项目失败的根源。

## 核心要点

图片来源：Openverse / yumikrum（https://www.flickr.com/photos/94725359@N06/23654633206）

1. 测试集一旦参与了训练或调参，它就失去了评估资格。

2. 数据划分要保证随机性，否则会引入分布偏差。

3. 数据量少时验证集可以小一点，但绝不能省略。

4. 生产环境可能发生数据漂移，需要持续监控测试集表现。

图片来源：Openverse / playful.geometer（https://www.flickr.com/photos/24888685@N08/7025760325）

## 写在最后

以上是关于「训练集、验证集、测试集」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。