模型训练中，用于检验模型效果的数据集是（）A. 训练集B. 验证集C. 测试集D. 样本集

考查要点：本题主要考查机器学习中数据集划分的基本概念，特别是对训练集、验证集、测试集作用的理解。

解题核心思路：明确不同数据集的作用：

• 训练集：用于模型参数的训练。
• 验证集：用于模型调参和选择，检验模型在训练过程中的效果。
• 测试集：用于最终评估模型性能，确保模型泛化能力。

破题关键点：题目中“检验模型效果”指的是在训练过程中动态调整模型参数，而非最终评估，因此应选择验证集。

在机器学习中，数据集通常被划分为三部分：

1. 训练集（约60%-80%）：用于模型学习参数。
2. 验证集（约10%-20%）：用于验证模型性能，调整超参数（如学习率、正则化强度等），防止过拟合。
3. 测试集（约10%-20%）：用于最终评估模型在未见数据上的表现。

关键区分：

• 验证集的作用是帮助选择最优模型，检验训练过程中的效果。
• 测试集仅在模型训练完成后使用，避免参与训练过程。

本题中，“检验模型效果”强调动态调参和选择模型，因此正确答案是验证集（选项B）。