Датасет
Набор данных для обучения или проверки модели: тексты, изображения, звук и другие примеры.
На практике
Для классификатора писем датасет может содержать тексты и метки «спам» или «обычное письмо». Обучающую, проверочную и тестовую части разделяют, чтобы оценить работу на ранее не встречавшихся примерах.
Что учитывать
Дубли и утечки между частями завышают оценки. Объём данных не заменяет качество разметки, разнообразие случаев и соответствие будущим запросам.