在机器学习中，我们基本上尝试创建一个模型来预测测试数据。因此，我们使用训练数据来拟合模型并使用测试数据来测试它。生成的模型用于预测未知的结果，称为测试集。正如您所指出的，数据集分为训练集和测试集，以便通过对其进行训练和测试来检查准确性、精度。

要分配的比例完全取决于您和您面临的任务。70% 的数据必须用于训练而休息用于测试，这并不重要。这完全取决于正在使用的数据集和要完成的任务。例如，像reuters这样的简单数据集。因此，假设我们在 50% 的数据上训练它并在 50% 的数据上对其进行测试，精度将不同于在 90% 左右的数据上训练它。这主要是因为在机器学习中，要训练的数据集越大越好。你可以参考这篇论文，它根据数据集大小告诉精度值。现在取决于您，根据您的任务需要达到什么精度或准确度。

话虽如此，您将如何预测您没有答案的结果？（该模型最终被训练来预测我们没有答案的结果）。我想在这里补充一下验证数据集。

套：

1. 训练集：在这里，您拥有完整的训练数据集。您可以提取特征并训练以适应模型等。

2. 验证集：这对于为您的估算器选择正确的参数至关重要。我们可以将训练集分为训练集和验证集。根据验证测试结果，可以训练模型（例如，更改参数、分类器）。这将帮助我们获得最优化的模型。

3. 测试集：在这里，一旦获得模型，您就可以使用在训练集上获得的模型进行预测。

请参阅此以获取更多信息。

^ 我完全同意 Hima Varsha 的上述回答，但我想补充一点，有时测试集有不同的名称。我曾经工作过的一家数据科学公司会使用训练集、验证集、测试集，有时还会使用第三个测试集，称为“保留集”。我不确定这是否是我所工作的公司所特有的，但你可能会在未来的文献或文档中看到它。此外，还有第三个指标几乎总是伴随着准确率和召回率，称为F1 分数。这实际上是从精确率和召回率两个方面计算出来的，但通常用作精确率和召回率的总结。