在使用SVM时，我发现在原始数据集上执行三向分割是一种很好的做法，例如70/15/15分割。
此分割对应于培训的％70，测试的％15和所谓的“验证”的％15。
我很清楚为什么这是一个很好的做法，但我不确定实际执行此操作所需的细节。很多在线资源都在讨论重要性，但我似乎无法找到对该过程的明确（或至少是算法）描述。例如，sklearn讨论它here但在提供任何可靠工具之前就停止了。
这是我的想法：
如果有人能指出我的资源方向，我将不胜感激。
答案 0 :(得分：1)
验证集在所有监督学习算法中的作用是找到算法参数的优化（如果有的话）。
将数据拆分为traing / validation / test数据后，训练算法的最佳做法是：
有一些高级方法可用于执行交叉验证测试。像libsvm这样的一些库包括它们： k-fold交叉验证。
在k-fold交叉验证中，您将列车数据随机分成k个相同大小的部分。您使用k-1部分训练并与剩余部分交叉验证。你用不同的子集做k次，最后用平均值。
维基百科是一个很好的来源：