机器学习领域里面，真相指监督学习中，训练集对分类结果的准确设定值，一般被用于误差估算和效果评价。
监督学习中，标注数据通常以 ( x , t ) 的形式出现，其中 x 表示输入数据，t 表示标注，正确的标注便是 Ground-Truth，错误的标记便不是（也有人将所有标注数据称为 Ground-Truth）。
换句话说，Ground-truth 就是参考标准，其一般被用于错误率检测 Error Quantification，例如要根据历史数据预测某时间段的温度，那么 Ground-truth 便是对应时间段的真实温度，预测温度便是 Error 。
Ground-truth 还被用于奖惩学习机制 Reinforcement Learning，即在学习中加入奖惩机制，例如程序的输出越接近 Ground-truth，产生这个结果的数据权重就越大。