ground truth就是參考標准，一般用來做誤差量化。比方說要根據歷史數據預測某一時間的溫度，ground truth就是那個時間的真實溫度。error就是(predicted temperature - real temprature)。在監督學習中，數據是有標簽（label）的的，以(x, t)的形式出現，其中x是輸入數據，t是label。正確的t標簽是ground truth， 錯誤的標簽則不是。由模型函數的數據則是由(x, y)的形式出現的。其中x為之前的輸入數據，y為模型預測的值。標注會和模型預測的結果作比較。在損耗函數中會將y 和 t 作比較，從而計算損耗（量化預測值與真實值的差別）。 比如在最小方差中：
因此如果預測標簽不是ground truth，那么loss的計算將會產生誤差，從而影響到模型質量。