Датасет

Датасет — организованный набор данных, на котором учат и проверяют модель. Обычно это таблица: строки — отдельные примеры (люди, сделки, снимки), столбцы — их признаки и, если есть, правильный ответ (метка).

Датасет почти всегда делят на три части: обучающую (на ней модель учится), валидационную (настройка) и тестовую (честная финальная проверка на данных, которых модель не видела). Смешивать их нельзя — иначе оценка качества врёт.

Ключевой принцип: качество датасета важнее выбора алгоритма. На плохих данных даже лучшая модель даёт плохой результат. Подробно — в статье «Что такое датасет».