机械学习:数据、数据集、训练集、测试集、样本/示例、属性、属性集、属性空间、特征向量(202101180017 阿布都许库尔·买买提)

 (202101180017 阿布都许库尔·买买提)

1. 数据：在机器学习中，数据是最基本的单元，它可以是数字、文字、图像等，是机器学习模型进行学习和预测的原料。
2. 数据集：数据集是数据的集合，它由多个数据点组成，每个数据点可以是一个样本，包含了多个属性。
3. 训练集：训练集是数据集的一个子集，用于训练机器学习模型。模型通过分析训练集中的数据，学习如何进行预测或分类。
4. 测试集：测试集也是数据集的一个子集，用于评估训练好的模型的性能。模型在测试集上的表现能够反映出其泛化能力，即对未知数据的处理能力。
5. 样本/示例：样本或示例通常指的是数据集中的单个数据点，它可能是一个特征向量，也可能是一个标记过的数据点。
6. 属性：属性是描述样本的特征或特性，例如在识别手写数字的任务中，每个像素点的灰度值可以是一个属性。
7. 属性集：属性集是指一个样本所有属性的集合，它定义了样本的特征空间。
8. 属性空间：属性空间是由所有属性集构成的向量空间，每个样本在这个空间中都可以表示为一个点。
9. 特征向量：特征向量是样本在属性空间中的表示，通常是一个多维数组，其中的每个元素对应一个属性的值。