第1章緒  論有時整個數據集亦稱一個“樣本”，因為它可看作對樣本空間的一個采樣：
　　通過上下文可判斷出“樣本”是指單個示例還是數據集．訓練樣本亦稱“訓練示例”(training instance)或“訓練例”，學習算法通常有參數需設置，使用不同的參數值和（或）訓練數據，將產生不同的結果，將“la bel”譯為“標記”而非“標簽”，是考慮到英文中“label”既可用作名詞、也可用作動詞．1.2基本術語要進行機器學習，先要有數據．假定我們收集了一批關于西瓜的數據，例如（色澤=青綠；根蒂=蜷縮；敲聲=濁響），（色澤=烏黑；根蒂=稍蜷；敲聲：沉悶），（色澤=淺白；根蒂=硬挺；敲聲=清脆），……，每對括號內是一條記錄，“=”意思是“取值為”，這組記錄的集合稱為一個“數據集”(data set)，其中每條記錄是關于一個事件或對象（這里是一個西瓜）的描述，稱為一個“示例”(instance)或“樣本”(sample).反映事件或對象在某方面的表現或性質的事項，例如“色澤”“根蒂”“敲聲”，稱為“屬性”(attribute)或“特征”(feature)；屬性上的取值，例如“青綠”“烏黑”，稱為“屬性值”(attribute value).屬性張成的空間稱為“屬性空間”(attribute space)、“樣本空間”(sample space)或“輸入空間”，例如我們把“色澤”“根蒂”“敲聲”作為三個坐標軸，則它們張成一個用于描述西瓜的三維空間，每個西瓜都可在這個空間中找到自己的坐標位置，由于空間中的每個點對應一個坐標向量，因此我們也把一個示例稱為一個“特征向量”(feature vector).