接下來以 Improving Deep Neural Networks 內容下去寫

在進行機器/深度學習時，我們第一步需要先準備我們的資料集，資料集又會切分成三個部分來處理：Train / Development / Test sets
會是以這種感覺下去分

• Train:訓練集，即是訓練模型時會拿來訓練的資料
• Dev:檢驗集，來檢查要用哪個演算法或是參數的結果最好
  • 大家可能會跟 Test set 搞混，但 dev set 比較像先試個水溫看狀況如何，結果不好那我再調整參數或是演算法，結果不錯才丟 Test set
  • Validation set
• Test:測試集，模型完成後用來測試模型效能與準確率

實際上的三者比例可能是 60/20/20 或 70/30/0 (%)端看你想要怎麼切，或是你可以以資料集的大小去做分配比例：

• 數量小：60/20/20 → 🆗
• 數量大：98/ 1/ 1 → 🆗
  是因為 dev/test sets 是為了評估模型效能，不需要太大資料量
  例如我現在資料及數量有 1,000,000 筆資料，那我 dev/test sets 拿了 1% 出來也有 10,000 筆資料，通常較能代表整體資料的分配