我是不熟悉Python的ML，并且正在尝试通过教程进行第一次尝试。在该教程中，有些代码行很难理解它们之间的交互方式。
第一个代码是发生的数据拆分，如下所示：
train_x, val_x, train_y, val_y = train_test_split(X, y,test_size=0.3)
我的第一个问题：为什么我们使用验证数据而不是测试数据？为什么不全部训练，验证和测试？使用哪种组合的用例是什么？
下一部分将详细介绍ML模型和条件。
model = DecisionTreeRegressor()
model.fit(train_x, train_y)
val_predictions = model.predict(val_x)
我的第二个问题：对于model.predict（）语句，为什么要在其中放置val_x？我们不是要预测val_y吗？
奖金问题：另外，在许多教程中，我看到了StandardScalers的应用方式。但是，在本教程中，它不是这样出现的，或者是否有其他功能已经对其进行了缩放，而无需明确声明？请帮忙。
答案 0 :(得分：2)
1）验证集通常用于帮助您相应地调整超参数。因为您可以根据模型在验证集中的性能来微调模型，所以即使模型没有直接针对验证数据进行训练，模型也可能会稍微偏向验证数据，这就是我们将其与测试集分开的原因。一旦根据验证集对模型进行了调整，就可以在测试集中对其进行评估，以查看其概括性。
2）调用model.predict(val_x)将基于给定的x值返回预测的y值。然后，您可以使用一些损失函数将这些预测值与val_y进行比较，以评估模型在验证集上的性能。
答案 1 :(得分：1)
问题1.1 ：为什么我们使用验证数据而不是测试数据？ （在上述情况下）
train_x, val_x, train_y, val_y = train_test_split(X, y,test_size=0.3)
首先，术语“验证集”和“测试集”非常宽松 在许多教程中使用，有时可以互换使用。这是很 可以将上述
val_x, val_y称为test_x, test_y
问题1.2 ：为什么不全部训练，验证和测试？ （为什么要拆分？）
我们所有的机器学习算法都将用于某些实际数据（请参阅实际测试数据）。但是，在设计了算法之后，我们要“测试”其性能如何，准确性如何等等。
实际上，我们目前没有真实的数据！对吧？
但是我们有什么？火车资料！因此我们巧妙地将它的一部分（拆分）放在一边，以便以后测试该算法。一旦模型准备就绪，测试数据将用于评估性能。
model = DecisionTreeRegressor()
model.fit(train_x, train_y)
val_predictions = model.predict(val_x) # contains y values predicted by the model
score = model.score(val_x, val_y) # evaluates predicted y against actual y of test data
print(score)
问题2。：对于model.predict（）语句，为什么要在其中放置val_x？我们不是要预测val_y吗？
绝对正确，我们想预测val_y，但是模型需要val_x来预测y。这正是我们作为预测函数参数传递的内容。
我了解阅读
modelpredictval_x可能会造成混淆。因此，更好的方法是对它进行解释，因为
model您能否predict从val_x中返回，并返回predicted_y。
我说的是predicted_y而不是val_y，因为两者不会完全相似。它们有多少不同？那就是分数给出的。
某些术语
问题1.3 ：要使用哪种组合的用例是什么？
您将始终接受培训和考试，或者全部接受这三个培训。但是你的情况 测试只是命名为val。
奖金问题：在许多教程中，我看到了StandardScalers的应用方式。但是，在本教程中，它不是这样出现的，或者是否有其他功能已经对其进行了缩放，而无需明确声明？
这一切都取决于您的数据。如果对数据进行了预处理且所有数据均已正确缩放，则无需应用StandardScalers。这个特定的教程只是暗示数据已经被相应地标准化了。