有一点我不明白在训练机器学习模型时划分训练集，我理解为什么当我们使用交叉验证来调整我们的训练时，在训练/验证/测试中划分训练集是有用的使用验证集的超参数并使用测试集获得准确的评估，但是为什么在我们不使用交叉验证的情况下还需要这样做，在这种情况下我们不能在训练/测试中划分我们的集。
我目前对交叉验证的理解是在不同的超参数值上多次训练我们的模型，并选择性能最佳的配置，使用不同的评估策略，例如 k-fold。
如果我对此是正确的，那么当我没有通过手动调整我的参数以任何方式拟合我的模型时，为什么我需要一个验证集？