Conjunto de datos (dataset)

Colección estructurada de ejemplos que se usa para entrenar, validar o evaluar un modelo. Su tamaño, calidad y representatividad determinan en gran medida el rendimiento del modelo.

Colección estructurada de ejemplos que se usa para entrenar, validar o evaluar un modelo. Su tamaño, calidad y representatividad determinan en gran medida el rendimiento del modelo.

Actualizado: 3 de junio de 2026.

Un conjunto de datos suele dividirse en tres partes: entrenamiento (para aprender), validación (para ajustar) y prueba (para medir el rendimiento final sin trampas).

Calidad antes que cantidad

Datos sucios, sesgados o mal etiquetados producen modelos defectuosos por mucho que abunden. Limpiar y curar el dataset suele aportar más que cambiar de algoritmo.

Fuentes

Pueden venir de registros reales, etiquetado humano o generarse como datos sintéticos cuando los reales escasean o son sensibles.