周志华《机器学习》西瓜书

特征空间(feature space)：

分别以每个特征作为一个坐标轴，所有特征所在坐标轴张成一个用于描述不同样本的空间，称为特征空间

在该空间中，每个具体样本就对应空间的一个点，在这个意义下，也称样本为样本点。

每个样本点对应特征空间的一个向量，称为 “特征向量”

特征的数目即为特征空间的维数。

样本集 (sample set)、数据集(data set)：

若干样本构成的集合；该集合的每个元素就是一个样本

测试样本”(testing sample)：

学得模型后,使用该模型进行预测的过程称为“ 测试”(testing), 被预测的样本称为“测试样本”.

标记(label)：

有前面的样本数据显然是不够的，要建立这样的关于“预测”(prediction) 的模型,我们需获得训练样本的“结果”信息，例如“((色泽=青绿;根蒂=蜷缩;敲声= =浊响),好瓜)”.这里关于示例结果的信息，例如“好瓜”，称为“标记”(label); 拥有了标记信息的示例，则称为“样例”(example).