机器学习中训练集准确率达到多少才算是训练集上好的结果？

题主应该对于训练集测试集的区别以及过拟合是有了解的。如果只有训练集测试集，那应该将测试集看做完全的黑箱，只在训练集上进行Cross_validation(比如所谓的K折交叉验证)，也即是将训练集分为所谓的Training set和Validation set，而测试集作为单独的Testing set。

结论是单纯训练集的准确率高不具有太大的意义，特别是数据量少的情况下，你说的过拟合很有可能会发生。关于训练集验证集测试集的关系，我这里刚好接到另一个问题的邀请，你可以参考一下这里已有的的两个回答，写的蛮不错。

最后的最后，不要脸的欢迎点赞喜欢评论关注我和我的专栏。

训练集上的精度是没有多大意义的，切一个验证集测试精度可能是更合理的选择。因为训练集上就不说存在过拟合的风险，但是精度的差别可能就前差万别，以mnist分类为例，在测试集上的精度都99点好多个9了，你训练集上不train到100acc那肯定效果不如别人。但换个任务来看，以分割这种逐像素分类任务为例，你训练的时候撑死了也到不了100acc的，可能有的网络90acc都train不到的，此外检测任务也有这个问题，因此训练集上的精度不必太care。