创建什么类型的训练数据集完全取决于想要用其执行的任务。机器学习，深度学习算法可以根据它们需要的数据类型大致分为三类：

1.监督学习

监督学习，最常见的类型，是一种机器学习算法，需要数据和相应的标注标签来训练。

像图像分类和图像分割这样的流行任务就属于这种模式，典型的训练程序包括向机器提供标注数据以帮助模型学习，并在未标注的数据上测试学习的模型，带有数据标签的数据集被称为训练集，而未带有数据标签的数据（未标注数据）则被称为测试集。

2.无监督学习

在无监督学习中，提供没有标注的输入数据，模型在没有数据标签的情况下进行训练。

常见的无监督训练算法包括自动编码器（autoencoders），其输出与输入相同。无监督学习方法还包括聚类算法，该算法将数据分为 "n "个聚类，"n "是一个超参数。

3.半监督学习

在半监督学习中，使用标注过的数据和原始数据的组合来训练模型，虽然这通过使用两种数据来减少数据标注的成本，但在训练时一般会对训练数据做出很多严格的假设。半监督学习的使用案例包括蛋白质序列分类和互联网内容分析。