Zbiór uczący (treningowy) to dane, na których model się uczy, znając prawidłową klasyfikację. Zbiór testowy to przykłady, których model nie widział w procesie uczenia, używane do sprawdzenia jego skuteczności. To, jak model radzi sobie z danymi testowymi, jest miarą tego, jak dobrze został wytrenowany. W Google Teachable Machine dane są automatycznie dzielone w proporcji 85% (zbiór uczący) do 15% (zbiór testowy).
Chatbot wersja A.