在构建机器学习模型时，不同的数据集有不同的用途。训练集、验证集和测试集的用途分别如下：

1. **训练集（Training Set）**：
- **作用**：用于构造预测模型。
- **分析**：训练集用于拟合模型，通过此数据集，模型学习输入特征与输出目标之间的关系。训练的过程包括选择模型参数，使得模型能够尽量准确地描述训练数据中的模式。因此，训练集的主要目的是用于构建和训练模型，而不是评估或选择模型。

2. **验证集（Validation Set）**：
- **作用**：用于选择模型或调整超参数。
- **分析**：在训练模型的过程中，经常需要调整模型的超参数以提升模型性能。验证集帮助评估不同模型的性能，进而选择最佳模型或参数组合。

3. **测试集（Test Set）**：
- **作用**：用于对模型的效果进行无偏的评估。
- **分析**：测试集是用来评估最终选定模型的预测能力的。这个数据集是模型在训练和验证过程中未见过的数据，因此评估结果可以视为对模型在非训练数据上的表现能力的无偏估计。

根据以上分析，正确答案为：**C:用于构造预测模型**。