Python 测试准确度能否大于验证准确度？

我正在使用FER-2013数据集进行面部表情识别，验证准确率为67.317%，测试准确率为68.960%。得到这样的结果是否正确？

理论上，测试精度可能高于验证精度。
假设我们有以下数据点：

    X   Y
1   0   1
2   1   2
3   2   1
4   3   2
5   4   0
6   5   2

我们想要建立一个线性回归（对于像面部识别这样的分类问题也是如此）。假设第1-4点用于培训，第5点用于验证，第6点用于测试。这只是一个简单的例子。
通过取1-4点进行训练，我们的回归方程为：

ŷ = 0.2X + 1.2

现在，让我们计算MSE（对于分类问题的准确性，它是等效的）。
验证错误：

（0.2*4+1.2-0）^2=7.84

测试错误：

（0.2*5+1.2-2）^2=1.44

如您所见，验证错误高于测试错误

---

但这个样本只是理论上的。一般来说，测试错误高于验证错误为什么？
您可以使用验证集来调整超参数。因此，通过调整超参数，验证错误将减少，并低于测试错误，因为您没有为测试集调整超参数。

---

因此，如果验证集的精度低于测试集，则可能是您没有正确调整模型的超参数。

您得到了它，那么为什么它不正确呢？测试/验证指标没有限制。请您指导我如何继续检查模型超参数的调整。谢谢你的帮助。