训练集：确定模型的参数；
验证集：确定模型的超参数；（如多项式的次数N）
测试集：评估模型的泛化性能，选择最优模型；
例子：色泽、根蒂、敲声来确定好瓜还是坏瓜。将数据分成训练集、验证集、测试集
1、决策树模型，选定初始预剪枝的参数值，用训练集训练，生成模型；改变预剪枝参数值若干次，用训练集训练，生成若干模型，用验证集检验正确率，确定最优的预剪枝参数值；
2、多项式回归，选定多项式次数N，用训练集训练，生成模型；改变多项式次数N若干次，用训练集训练，生成若干模型，用验证集验证正确率，确定最优的多项式次数N。
用测试集分别测试决策时模型和多项式模型，确定两者的泛化性能，选择最优模型。
下面的伪代码写的很清晰
# split data
data = ...
train, validation, test = split(data)
# tune model hyperparameters
parameters = ...
for params in parameters:
model = fit(train)
skill = evaluate(model, validation)
# evaluate final model for comparison with other models
model = fit(train)
skill = evaluate(model, test) 补充：有人说，是不是可以把验证集和测试集合并起来，即只有训练集和测试集，然后对于每个超参值，都用训练集训练出其余参数，根据测试集确定最优的超参和模型。
我个人认为这种方法不好的地方在于：超参的确定和最优模型的确定两者在同一个步骤里完成，这样是有风险的：超参的确定我认为实际上也是使得拟合最优，本质上还是参数的确定，而把参数确定和泛化性能检验合并，则依然存在过拟合的风险，而分成3个集合的话，第一步确定参数，第二部确定超参，第三部确定最优模型，这样可以把过拟合的风险大大降低，即测试集必须在所有参数（参数和超参数）都确定的条件下才能够使用，用来评估模型的泛化性能。否则借用测试集确定超参数，那么评估时，对于泛化性能一定是较好的。
所以对于之前提出的问题，为什么k折交叉验证可以没有验证集，我认为可能是因为进行重抽样后，泛化性能本身就可以得到检验了，因此验证集和测试集只需要一个了。
————————————————————————————————————————————
最近看了《深度学习》一书中对此问题的阐述，讲得还算清晰。
以最简单的广义线性回归为例，有一个超参数：即多项式的次数，作为容量超参数。像lasso等回归还有另一个超参数，控制权重衰减程度的 λ是另一个超参数。有时一个选项被设为学习算法不用学习的超参数，是因为它太难优化了。更多的情况是，该选项必须是超参数，因为它不适合在训练集上学习。这适用于控制模型容量的所有超参数。如果在训练集上学习超参数，这些超参数总是趋向于最大可能的模型容量，导致过拟合（参考图5.3 ）。例如，相比低次多项式和正的权重衰减设定，更高次的多项式和权重衰减参数设定 λ = 0 总能在训练集上更好地拟合。为了解决这个问题，我们需要一个训练算法观测不到的 验证集（validation set）样本。
早先我们讨论过和训练数据相同分布的样本组成的测试集，它可以用来估计学习过程完成之后的学习器的泛化误差。其重点在于测试样本不能以任何形式参与到模型的选择中，包括设定超参数。基于这个原因，测试集中的样本不能用于验证集。因此，我们总是从训练数据中构建验证集。特别地，我们将训练数据分成两个不相交的子集。其中一个用于学习参数。另一个作为验证集，用于估计训练中或训练后的泛化误差，更新超参数。用于学习参数的数据子集通常仍被称为训练集，尽管这会和整个训练过程用到的更大的数据集相混。用于挑选超参数的数据子集被称为 验证集（validation set）。通常， 80% 的训练数据用于训练， 20% 用于验证。由于验证集是用来 ‘‘训练’’超参数的，尽管验证集的误差通常会比训练集误差小，验证集会低估泛化误差。所有超参数优化完成之后，泛化误差可能会通过测试集来估计。
在实际中，当相同的测试集已在很多年中重复地用于评估不同算法的性能，并且考虑学术界在该测试集上的各种尝试，我们最后可能也会对测试集有着乐观的估计。基准会因之变得陈旧，而不能反映系统的真实性能。值得庆幸的是，学术界往往会移到新的（通常会更巨大、更具挑战性）基准数据集上。
——摘自《深度学习》
通过上面的阐述应该能对训练集、验证集和测试集有一个比较好的了解了。
————————————————————————————————————————
参考文献：
伊恩·古德费洛，约书亚·本吉奥，亚伦·库维尔.《深度学习》
