神经网络训练、验证、测试MSE曲线：绿线与红线生成方法咨询

• 绿色曲线（验证集MSE）：
  训练过程中，每个epoch结束后，用当前更新完成的模型参数，在未参与训练的验证数据集上计算MSE值并记录。验证集仅用于监控模型过拟合情况、调整超参数（如学习率、正则化强度），不会参与模型权重和偏置的优化更新。

• 红色曲线（测试集MSE）：
  常见两种生成场景：

  1. 训练阶段每隔固定epoch（或每个epoch），用当前模型在测试集上计算MSE并记录，但这种方式可能让模型间接拟合测试集，不推荐用于正式评估；
  2. 更规范的做法是，待所有训练epoch完成后，用最终训练好的模型在测试集上计算一次MSE，或仅在关键训练节点（如超参数调整完成后）计算。测试集是完全独立于训练、验证流程的数据集，仅用于客观评估模型在未知数据上的泛化能力，绝对不能参与任何模型参数的优化。

注：训练、验证、测试集是从原始数据中拆分出的互斥子集，常见拆分比例如7:2:1，各自承担训练模型、调优、最终评估的角色。

内容的提问来源于stack exchange，提问作者user42423