訓練集、驗證集和測試集

機器學習的普遍任務就是從資料中學習和構建模型（該過程稱之為訓練），並且能夠在將來遇到的資料上進行預測。用於構建最終模型的資料集通常有多個；在構建模型的不同階段，通常有三種資料集：訓練集、驗證集和測試集。

首先，模型在訓練集（英語：training dataset）上進行調適。對於監督式學習，訓練集是由用來調適參數（例如類神經網路中神經元之間連結的權重）的範例組成的集合。在實踐中，訓練集通常是由輸入向量（純量）和輸出向量（純量）組成的資料對。其中輸出向量（純量）被稱為目標或標籤。在訓練過程中，當前模型會對訓練集中的每個範例進行預測，並將預測結果與目標進行比較。根據比較的結果，學習演算法會更新模型的參數。模型調適的過程可能同時包括特徵選擇和參數估計。

接下來，調適得到的模型會在第二個資料集——驗證集（英語：validation dataset）——上進行預測。在對模型的超參數（例如神經網路中隱藏層的神經元數量）進行調整時，驗證集提供了對在訓練集上調適得到模型的無偏評估。驗證集可用於正則化中的提前停止：在驗證集誤差上升時（這是在訓練集上過適的訊號），停止訓練。不過，在實踐中，由於驗證集誤差在訓練過程中會有起伏，這種做法有時不奏效。由此，人們發明了一些規則，用做判定過適更好的訊號。

最後，測試集（英語：test dataset）可被用來提供對最終模型的無偏評估。若測試集在訓練過程中從未用到（例如，沒有被用在交叉驗證當中），則它也被稱之為預留集。