样例、标签和特征

你将能够做到

• 说出数据集的各个组成部分：样例、标签和特征。
• 读懂一张数据表，并指出一个样例、它的特征和它的标签。
• 说明特征和标签如何帮助模型学出某个类别的规律。

想一想

设想一张表，每一行是一个水果。各列写着它的颜色、重量和形状，最后一列写着它是什么水果。如果把最后一列盖住，你还猜得出每个水果吗？你会看哪些信息？

记住你的答案，这节课会给那张表的每一部分都取好名字。

数据集

为了让模型从中学习而收集在一起的一批样例，通常以由行和列构成的表格形式呈现。

样例

数据集中的一项，通常就是一行，比如一个水果、一张照片或一条消息。

标签

附在样例上的正确答案，说明它属于哪个类别，比如「苹果」或「香蕉」。

特征

描述一个样例的一条信息，比如它的颜色、重量或形状。每个特征通常是表格中的一列。

类别

模型把样例归入的其中一组。标签就来自这份类别清单。

规律

特征中常常与某个类别相伴出现的规律性，比如「又长又黄通常意味着香蕉」。

数据集是一张由样例组成的表

• 一张表，每行一个水果，列有颜色、重量和形状
• 一张表，每行一封邮件，有一列写着「垃圾邮件」或「不是垃圾邮件」
• 一张表，每行一张照片，有一列写出照片里的动物

特征负责描述；标签负责回答

• 一个水果的特征：颜色 = 黄色，形状 = 细长，重量 = 120 克
• 这个水果的标签：香蕉
• 一封邮件的特征：链接很多，出现「免费」一词；标签：垃圾邮件

类别，以及与之相配的规律

• 类别：苹果、香蕉
• 学到的规律：圆 + 红 → 苹果；长 + 黄 → 香蕉
• 一个特征为又圆又红的新水果 → 模型预测为「苹果」

例题讲解

读懂水果数据集中的一行

1. 看一行：颜色 = 黄色，形状 = 细长，重量 = 120 克，水果 = 香蕉。
2. 找出样例：这一整行就是一个样例，也就是一个水果。
3. 找出特征：颜色、形状和重量就是描述它的特征。
4. 找出标签：「香蕉」就是标签，也就是这个样例的正确类别。
5. 留意规律正在成形：标注为香蕉的那些行反复出现「黄色」和「细长」，于是这些特征就成了香蕉这个类别的线索。

要点：每个样例都是一行；它的特征是那些起描述作用的列，它的标签则是答案那一列。

活动

检查你的理解

自己动手试试

设计一个属于你的小数据集

为你熟悉的一组类别编一个小数据集，比如「狗还是猫」或者「工作日还是周末」。

1. 选定两个类别，把它们写下来作为你的标签。
2. 挑出三个有助于区分这两个类别的特征。
3. 做一张有五行样例的表，为每一行填上特征和正确的标签。

做到这样就算成功

• 有两个清晰的类别，用作标签。
• 挑出了三个合理的特征。
• 有五行样例，每行都有特征和正确的标签。

请不要写私人信息。你的回答只保存在这个浏览器里，不会发送到任何地方。