Zbiór testowy to wydzielona część danych, która służy do ostatecznej oceny skuteczności i zdolności generalizacji przeszkolonego modelu uczenia maszynowego. Dane w tym zbiorze nie mogą brać udziału w procesie trenowania ani optymalizacji hiperparametrów, aby zapewnić bezstronny pomiar wyników na nowych przykładach. Dzięki testowaniu na tym zestawie programiści mogą sprawdzić, jak algorytm poradzi sobie z rzeczywistymi danymi, z którymi nie miał wcześniej kontaktu. Prawidłowo przygotowany zbiór testowy powinien być wystarczająco duży, aby uzyskane wyniki były istotne statystycznie i reprezentatywne dla całego problemu.
Zbiór testowy (test set)
