Kumpulan pelatihan dan pengujian dalam pembelajaran mesin mengacu pada dua subkumpulan data yang digunakan dalam pengembangan algoritme pembelajaran mesin. Set pelatihan adalah kumpulan data yang digunakan untuk melatih model pembelajaran mesin, sedangkan set pengujian adalah kumpulan data yang digunakan untuk mengevaluasi performa generalisasi model yang dilatih. Set pelatihan biasanya digunakan untuk menyesuaikan parameter model, seperti bobot dan bias, sehingga model mendeskripsikan data dalam set pelatihan secara akurat. Set pengujian digunakan untuk mengevaluasi keakuratan prediksi model pada data yang tidak terlihat, menggunakan metrik seperti presisi, perolehan, dan skor F1.
Penggunaan set pelatihan dan pengujian dalam pembelajaran mesin sangat penting dalam mengembangkan model yang akurat dan kuat karena performa model pada data yang telah dilihat sebelumnya biasanya tidak menunjukkan performa sebenarnya saat menangani data yang tidak terlihat. Disarankan untuk menggunakan kombinasi kedua set untuk tujuan berbeda. Misalnya, membuat set validasi yang digunakan untuk menyesuaikan hyperparameter dan membandingkan algoritma yang berbeda, dan set pengujian untuk mengevaluasi performa model akhir.
Secara umum, set pelatihan dan pengujian harus dibagi secara acak sehingga datanya didistribusikan secara merata di antara kedua set tersebut. Selain itu, penting untuk memastikan bahwa set pelatihan dan pengujian mewakili data yang digunakan dalam aplikasi praktis, karena penyesuaian set pelatihan yang berlebihan dapat menyebabkan kinerja yang buruk pada set pengujian.
