一般分为：
- 训练集（train set）
- 开发测试集（training-dev set）
- 开发集（dev set）：有时称为保留交叉验证集（hold out cross validation set）
- 测试集（test set）
数据集作用：
- _train set_：训练模型。
- _training-dev set_：评估模型的误差（bias、variance）原因。
- _dev set_：评估所有训练出的模型，迭代并选出适用的模型。
- _test set_：对最终所选定的神经网络系统做出无偏估计。
数据集分布：
- train set 可以是网上爬取的数据。与 dev set_、_test set 的分布可能不同。
- training-dev set 与 train set 同分布。
- dev set 一般和 test set 同分布。都来自真实场景中的数据。
如果出现了 train set 与 dev set_、_test set 不匹配的情况，可尝试以下方法：
- 分析不匹配的原因，可人工合成数据新的 _train set_。
- 迁移学习