本文重点
数据集、样本、特征和标签是机器学习中的重要概念，这些概念在机器学习算法的设计和实现过程中起着至关重要的作用。在本文中，我们将对这些概念进行详细的讲解，以便更好地理解机器学习算法的基本原理和应用。
一、数据集
数据集是机器学习中最基本的概念之一，它是指一组相关数据的集合，如下所示，是一个房价预测的数据集，整个数据集总共又四条数据，也就是四条样本。
在机器学习中，数据集通常被用来训练集和测试集，有时候还会有验证集（后面会讲解不同数据集的作用）。
二、样本
在机器学习中，样本通常被用来表示一个实例或一个事件，例如一张图片、一段文本或一笔交易等，是数据集中的一条数据，样本是数据集中的一个个数据点，它是数据集中最基本的单位。
如上所示，(size=2104、Number of bedrooms=5、Number of floors=1、Age of home(year)=45、Price=460)就是数据集中的一条样本。
样本通常由一组特征和一个标签组成（监督学习有标签、无监督学习没有标签），特征表示样本的属性或特性，标
本文转载自: https://blog.csdn.net/huanfeng_AI/article/details/130256448
版权归原作者 幻风_huanfeng 所有， 如有侵权，请联系我们删除。
版权归原作者 幻风_huanfeng 所有， 如有侵权，请联系我们删除。