Zijn er gegevens beschikbaar om de oplossing te verifiëren of moet u zelf testgegevens maken?

De beschikbaarheid van gegevens om de oplossing te verifiëren hangt af van de specifieke taak en bron. Vaak worden in machine learning-projecten kant-en-klare datasets geleverd voor training en testen (bijvoorbeeld uit open bronnen of interne repositories). Als dergelijke gegevens niet beschikbaar zijn, moeten testgegevens zelfstandig worden gemaakt — dit kan een synthetisch gegenereerde set zijn of een steekproef van echte gegevens met daaropvolgende labeling.

Het aanmaken van testgegevens is belangrijk om de correctheid van het model te controleren en de kwaliteit ervan te beoordelen. Daarnaast moet worden rekening gehouden met het feit dat testgegevens representatief moeten zijn en de echte gebruiksomstandigheden moeten weerspiegelen.