1. 数据: 关于研究对象的记录
2. 数据集(data set): 记录的集合
3. 示例(instance)/样本(sample): 每一条关于事件或对象的描述
4. 属性(attribute)/特征(feature): 反映事件或对象在某方面的表现或性质的事项。
5. 属性值(attribute value): 属性的取值
6. 属性空间(attribute space)/样本空间(sample space): 属性张成的空间
7. 样本的维数(dimensionality):样本的属性描述个数。
8. 学习(learning)/训练(training): 从数据中学得模型。
9. 训练数据(training data)/训练样本(training sample)/训练集(training set): 训练时使用的数据、样本和样本组成的集合。
10. 假设(hypothesis): 学得模型对应得数据的潜在规律。
11. 真相/真实(ground-truth): 潜在规律本身。
12. 标记(label): 关于示例结果的信息。
13. 样例(example): 包括标记的示例。
14. 标记空间/输出空间(label space): 所有标记的集合。
15. 分类(classification): 预测离散值。
16. 回归(regression): 预测连续值。
17. 测试(testing): 学得模型后,使用模型进行预测的过程。
18. 测试样本(testing sample): 被测试的样本。
19. 聚类(clustering): 将训练集中的数据分成多个组。
20. 簇(cluster): 由聚类分析分出的一个组。
21. 监督学习(supervised learning):训练数据有标记信息。
22. 无监督学习(unsupervised learning):训练数据无标记信息。
23. 泛化(generalization):学得模型适用于新样本的能力
24. 分布(distribution): 样本空间中样本的分布