定义，所以我们在同一页上：

• 训练集：用于训练模型的数据点。
• 验证集：持续检查模型性能的数据点，以便了解何时停止训练。
• 测试集：训练完成后用于检查性能的数据点。

训练集和验证集可以重叠吗？

他们不应该。

验证集用于了解何时停止训练您的模型。这个想法是你经常检查你的模型性能，当似乎没有更多的改进时，你就停下来。

看看下面的情节。它正在绘制模型的损失。如果损失仍在减少，则意味着您可以继续改进模型，但如果损失停止减少，则停止训练。

请注意有效 损失如何在train loss之前停止减少。那是因为模型可以不断改进以提高训练集的性能，但如果你这样做，你会得到过度拟合。因此，通过拥有一个看不见的验证集，您将更早地停止训练并且不会过度拟合您的模式，否则，如果您继续训练，验证集的准确性将开始下降。

这意味着如果两组重叠，验证损失将变得更类似于训练损失，因此您的模型将继续训练并且您将过度拟合您的模型。

验证集和测试集可以重叠吗？

他们不应该。

您已经使用您的验证集来停止训练您的模型。这意味着你已经知道你的模型在验证集上的表现了。

现在您的模型已经过训练，并且您想使用未见过的数据点（即使用测试集）来测试您的模型。如果您的集合重叠，则您的测试结果会偏向您已经知道模型具有的性能。