モデルには、作るのが安く説明しやすい比較対象が必要です。数値の結果では、訓練の平均を予測すると、2乗誤差の有用なベースラインになります。分類の結果では、訓練の多数派のクラスを予測すると、正解率の有用なベースラインになります。これらのモデルは、意図的に入力の値を無視します。
それでもベースラインは、訓練のラベルからその定数を学習しなければなりません。推定器に係数がなくても、テストのラベルを使ってその定数を選ぶと、比較が汚染されます。適切なベースラインは指標にもよります:平均は2乗誤差を最小にし、中央値の定数は絶対誤差を最小にします。違いがわかるように、これらの課題では特定の戦略を指定しています。多数派のクラスの分類器は、陽性のケースを1つも見つけないまま、それなりの正解率を持つことがあり、指標のレッスンでそれが明らかになります。