维基百科关于 ground truth的解释： 【 Ground truth】
大致为：
在统计学和机器学习中：在机器学习中ground truth表示有监督学习的训练集的分类准确性，用于证明或者推翻某个假设。有监督的机器学习会对训练数据打标记，试想一下如果训练标记错误，那么将会对测试数据的预测产生影响，因此这里将那些正确打标记的数据成为ground truth。
以下引用自知乎lee philip的例子example on 知乎
1. 错误的数据
标注数据1 ( (84,62,86) , 1)，其中x =(84,62,86), t = 1 。 （正确标记的数据叫做ground truth）
标注数据2 ( (84,162,86) , 1)，其中x =(84,162,86), t = 1 。(这里训练数据标记错误)
这里标注数据1是ground truth， 而标注数据2不是。
预测数据1 y = -1
预测数据2 y = -1
2. 正确的数据
标注数据1 ( (84,62,86) , 1)，其中x =(84,62,86), t = 1 。
标注数据2 ( (84,162,86) , 1)，其中x =(84,162,86), t = -1 。 （改为ground truth）
这里标注数据1和2都是ground truth。
预测数据1 y = -1
预测数据2 y = -1
或者简单来说就是有效的正确的数据 /标准答案