小白知识点
训练误差和泛化误差
训练误差：模型在训练数据集上表现出的误差
泛化误差：模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。
验证数据集、测试数据集和训练数据集三者的功能
训练集：模型训练的过程其实就是在求参数，我们通过训练集来分别对模型进行训练，学习到每一个模型中对应的最优的参数。
验证集：我们要考察不同结构的模型在数据上的优劣程度，而模型的结构是由其中的超参数决定的，所以我们引入验证集来对这些超参数进行选择，以求找到最优效果的超参数。
测试集：当前
