A permite continuar o ajuste iterativo de hiperparâmetros, usando diretamente os resultados do teste, acelerando a convergência do modelo.
B é opcional, dado que a validação cruzada tende a fornecer estimativas suficientes do erro de generalização.
C deve ser incorporado ao treinamento para maximizar a quantidade de dados de treino antes da avaliação final.
D facilita a detecção de problemas de balanceamento ou distribuição dos dados, quando mantido de forma independente.
E fornece uma estimativa de desempenho do modelo em dados não vistos, sem influência das etapas de treino e ajuste de hiperparâmetros.