训练集、测试集和验证集是机器学习中常用的数据划分方式，它们一般由原始数据样本组成，但是它们在使用上有所不同。训练集是用来训练模型的样本，测试集是用来评估模型性能的样本，而验证集则是用来选择和调整模型参数的样本。一般来说，原始数据会先切割成三个不同的子集：训练集、测试集、验证集。然后将这三个子集中的特征作为输入变量并使用对应的标签作为监督信号对每一个子集进行学习。