理解何时应使用三个数据集（训练集、验证集和测试集）而不是两个（训练集和测试集）非常重要。如果不会使用，增加一次数据划分就没有意义。
在什么情况下，您应该考虑同时使用训练集、验证集 和 测试集？
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
在验证模型之前，您需要先了解如何创建并使用模型。本章将介绍在 scikit-learn 中运行回归和分类模型。接下来几章都会在此建模基础上展开。
本章聚焦模型验证的基本概念。从将数据拆分为训练集、验证集和测试集，到理解偏差-方差权衡，我们为第 3 章将要练习的 K 折和留一法验证技术打下基础。
当前练习
留出集是进行模型验证的良好起点。然而，仅使用单一的训练集与测试集往往不够。交叉验证被视为评估模型性能的黄金标准，并且在调优模型超参数时几乎总会使用。本章将重点讲解如何执行交叉验证来验证模型性能。
前 3 章集中介绍了模型验证技术。在第 4 章中，您将学习超参数调优，并应用这些技术，尤其是交叉验证。归根结底，模型验证让调优成为可能，并帮助我们选出整体表现最好的模型。
