一般地，令D= {xi，X2，…，Xm]．表示包含m個(gè)示例的數(shù)據(jù)集，每個(gè)示例由d個(gè)屬性描述（例如上面的西瓜數(shù)據(jù)使用了3個(gè)屬性），則每個(gè)示例X=(Xil；zi2；…；Xid)是d維樣本空間疋中的一個(gè)向量，xi∈疋，其中Xij是xi在第歹個(gè)屬性上的取值（例如上述第3個(gè)西瓜在第2個(gè)屬性上的值是“硬挺”），d稱為樣本xi的“維數(shù)”(dimensionality).
　　從數(shù)據(jù)中學(xué)得模型的過程稱為“學(xué)習(xí)”(learning)或“訓(xùn)練”(training)，這個(gè)過程通過執(zhí)行某個(gè)學(xué)習(xí)算法來完成．訓(xùn)練過程中使用的數(shù)據(jù)稱為“訓(xùn)練數(shù)據(jù)”(training data)，其中每個(gè)樣本稱為一個(gè)“訓(xùn)練樣本”(training sample)，訓(xùn)練樣本組成的集合稱為“訓(xùn)練集”(training set).學(xué)得模型對(duì)應(yīng)了關(guān)于數(shù)據(jù)的某種潛在的規(guī)律，因此亦稱“假設(shè)”(hypothesis)；這種潛在規(guī)律自身，則稱為“真相”或“真實(shí)”(ground-truth)，學(xué)習(xí)過程就是為了找出或逼近真相．本書有時(shí)將模型稱為“學(xué)習(xí)器”(learner)，可看作學(xué)習(xí)算法在給定數(shù)據(jù)和參數(shù)空間上的實(shí)例化．如果希望學(xué)得一個(gè)能幫助我們判斷沒剖開的是不是“好瓜”的模型，僅有前面的示例數(shù)據(jù)顯然是不夠的，要建立這樣的關(guān)于“預(yù)測”(prediction)的模型，我們需獲得訓(xùn)練樣本的“結(jié)果”信息，例如“（（色澤=青綠；根蒂=蜷縮；敲聲=濁響），好瓜）”．這里關(guān)于示例結(jié)果的信息，例如“好瓜”，稱為“標(biāo)記”(label);擁有了標(biāo)記信息的示例，則稱為“樣例”(example). -般地，用1.2基本術(shù)語若將標(biāo)記看作對(duì)象本身的一部分，則“樣例”有時(shí)也稱為“樣本”．亦稱“負(fù)類”亦稱“測試示例”
　　(testing instance)或“測試?yán)?/p>