テストデータは、機械学習モデルの最終的な予測精度や汎用性を客観的に評価するために使用される未学習のデータセットです。学習データや検証データとは明確に分離され、モデルが未知のデータに対してどの程度正しく予測できるか（汎化性能）を評価するために欠かせない役割を果たします。
テストデータとは
機械学習モデルの開発において、モデルが未知のデータに対してどれだけ正しく予測できるか（汎化性能）を最終確認・評価するために用いられるデータセットのことです。
詳しく解説
機械学習モデルの構築では、データを「学習データ」「検証データ」「テストデータ」の3つに分割するのが一般的です。学習データでモデルのパラメータを学習し、検証データでハイパーパラメータ調整やモデル選定を行いますが、テストデータは最終評価まで一切モデルに見せない（学習に使わない）ことが極めて重要です。これにより、開発中に発生しやすい「過学習」やデータリーケージを防止し、実際の運用環境に近い状態でモデルの真の実力を客観的に推計することができます。
具体例・使われ方
例えば、メールのスパム判定AIを開発する場合、過去のメールから10,000件を用意し、8,000件を学習データ、1,000件を検証データ、残りの1,000件をテストデータとして分割します。モデル構築完了後、最後にこの1,000件のテストデータを入力して正解率などを計算し、実運用に耐えうるかを判断します。
似た用語との違い
「学習データ」はモデルのパターン学習そのものに用いられるデータであり、「検証データ」は学習途中のモデル選択やハイパーパラメータ調整用に用いられるデータです。一方、「テストデータ」はモデルの構築プロセスが完全に終了した後に、最終的な性能測定を行うためだけに用いられます。
注意点
テストデータを学習やハイパーパラメータの調整段階で一度でもモデルに接触させてしまうと、「データリーケージ」と呼ばれる現象が発生し、評価結果が不当に高くなってしまいます。また、テストデータ自体が偏っている場合、実運用時の性能を正確に予測できないため、代表性のある適切なデータ分割が不可欠です。