Existují data pro ověření řešení nebo je třeba vytvořit testovací data sami?

Dostupnost dat pro ověření řešení závisí na konkrétním úkolu a zdroji. Často jsou v projektech strojového učení poskytovány hotové datové sady pro trénink a testování (například z otevřených zdrojů nebo interních úložišť). Pokud taková data nejsou k dispozici, je třeba testovací data vytvořit samostatně — buď synteticky generovanou sadou, nebo vzorkem reálných dat s následným označením.

Vytváření testovacích dat je důležité pro ověření správnosti modelu a hodnocení jeho kvality. Je třeba vzít v úvahu, že testovací data by měla být reprezentativní a odrážet reálné podmínky použití modelu.