基本术语

记录：

数据集

示例 / 样本 / 特征向量：

属性 / 特征

属性空间 / 样本空间 / 输入空间：

学习 / 训练：从数据学的模型的过程。

训练数据：训练过程中使用的数据。

训练样本：训练数据中的每个样本。

假设：对应了关于数据的某种潜在规律的模型。

标记：

样例：拥有了标记信息的示例。$(x_i,y_i)$表示第$i$个样例。

标记空间 / 输出空间

训练集

学习器：模型。

分类：欲预测结果为离散值的学习任务。

正类

负类

回归：欲预测结果为连续值的学习任务。

测试：学得模型后，使用其进行预测得过程。

测试样本：被预测得样本。

聚类：将训练集中的西瓜分成若干组的过程。

簇：指被分成的每个组。

监督学习：代表为分类和回归。

无监督学习：代表为聚类。

泛化能力：通过无监督学习得到的模型适用于新样本的能力。