正确答案是：A: 对模型的效果进行无偏的评估。

### 专业分析：

在机器学习和统计建模过程中，数据集通常被分为三部分：训练集、验证集和测试集，每个部分都有其特定的作用。

1. **训练集（Train Set）**：
- 用于训练模型，即让模型通过这些数据学习特定的模式和特征。

2. **验证集（Validation Set）**：
- 用于模型的调整和优化。通过验证集，调整模型的超参数或进行特征选择，以提高模型的性能。这一过程还帮助评估模型在见过的数据之外的表现。

3. **测试集（Test Set）**：
- 用于对模型的最终性能进行无偏评估。在模型的训练和选择过程中，都不会使用测试集。因此，它提供了一个独立的数据集来评估模型的泛化能力，避免了在训练和调整过程中对数据的“过拟合”。这是为什么选项A是正确答案的原因。

### 解释其他选项：
- **B: 评估模型的预测准确度**：
- 虽然测试集可以评估预测准确度，但更全面地说，其主要目的是评估模型的整体效果及泛化能力。

- **C: 构造预测模型**：
- 这是训练集的主要作用，通过训练数据来构建模型。

- **D: 选择模型**：
- 通常使用验证集来选择最优模型或调整模型参数，而不是使用测试集。使用测试集来选择模型会导致偏差评估。

因此，测试集的主要作用是提供一种无偏的方式来评估已构建并调整好的模型的最终表现。