机器学习常见专业名称解释

标签：标签是要预测的事物，即可以简单理解为线性回归中的y变量。标签也可以是小麦未来的价格，图片显示的动物品种。

特征：特征是输入变量，即可以简单理解为线性回归中的x变量。简单的模型可能使用单个特征（x），较为复杂的机器学习模型会有上百万个特征（x1，x2，···，xn）。在“垃圾邮件人工智能检测器中”特征可能包括：电子邮件文本中的字词，发件人的地址，发送电子邮件的时段，邮件的大小。

样本：样本可分为有标签样本和无标签样本，有标签样本是指包含“特征x”和“标签y”，无标签样本是指只包含“特征x”，不包含“标签y”。有标签样本可用来作为模型的训练集，而无标签样本是模型的测试集。

模型：模型定义了“特征”和“标签”之间的关系，例如，在垃圾邮件检测模型会将某些特征与“垃圾邮件”联系起来。

                                                学习笔记内容源自于于床长人工智能教程：https://captainbed.vip