| Innym odejściem |
| Innym odejściem jest to, że praktycy uczenia maszynowego muszą na ogół uważać, aby uniknąć „przeładowania” swojego modelu na dane treningowe, taki model „over-fit” wytworzy bardzo dokładne prognozy dla danych, na które został przeszkolony, ale często będzie działał niedorzecznie na danych poza zestawem treningowym. Z drugiej strony indeksy są z definicji sprawne. Dane treningowe to indeksowane dane , co czyni je również danymi testowymi. |