1. 数据： 关于研究对象的记录

2. 数据集(data set)： 记录的集合

3. 示例(instance)/样本(sample)： 每一条关于事件或对象的描述

4. 属性(attribute)/特征(feature)： 反映事件或对象在某方面的表现或性质的事项。

5. 属性值(attribute value)： 属性的取值

6. 属性空间(attribute space)/样本空间(sample space)： 属性张成的空间

7. 样本的维数(dimensionality)：样本的属性描述个数。

8. 学习(learning)/训练(training)： 从数据中学得模型。

9. 训练数据(training data)/训练样本(training sample)/训练集(training set)： 训练时使用的数据、样本和样本组成的集合。

10. 假设(hypothesis)： 学得模型对应得数据的潜在规律。

11. 真相/真实(ground-truth)： 潜在规律本身。

12. 标记(label)： 关于示例结果的信息。

13. 样例(example)： 包括标记的示例。

14. 标记空间/输出空间(label space)： 所有标记的集合。

15. 分类(classification)： 预测离散值。

16. 回归(regression)： 预测连续值。

17. 测试(testing)： 学得模型后，使用模型进行预测的过程。

18. 测试样本(testing sample)： 被测试的样本。

19. 聚类(clustering)： 将训练集中的数据分成多个组。

20. 簇(cluster)： 由聚类分析分出的一个组。

21. 监督学习(supervised learning)：训练数据有标记信息。

22. 无监督学习(unsupervised learning)：训练数据无标记信息。

23. 泛化(generalization)：学得模型适用于新样本的能力

24. 分布(distribution)： 样本空间中样本的分布