一般地，令D= {xi，X2，…，Xm]．表示包含m個示例的數據集，每個示例由d個屬性描述（例如上面的西瓜數據使用了3個屬性），則每個示例X=(Xil；zi2；…；Xid)是d維樣本空間疋中的一個向量，xi∈疋，其中Xij是xi在第歹個屬性上的取值（例如上述第3個西瓜在第2個屬性上的值是“硬挺”），d稱為樣本xi的“維數”(dimensionality).
　　從數據中學得模型的過程稱為“學習”(learning)或“訓練”(training)，這個過程通過執行某個學習算法來完成．訓練過程中使用的數據稱為“訓練數據”(training data)，其中每個樣本稱為一個“訓練樣本”(training sample)，訓練樣本組成的集合稱為“訓練集”(training set).學得模型對應了關于數據的某種潛在的規律，因此亦稱“假設”(hypothesis)；這種潛在規律自身，則稱為“真相”或“真實”(ground-truth)，學習過程就是為了找出或逼近真相．本書有時將模型稱為“學習器”(learner)，可看作學習算法在給定數據和參數空間上的實例化．如果希望學得一個能幫助我們判斷沒剖開的是不是“好瓜”的模型，僅有前面的示例數據顯然是不夠的，要建立這樣的關于“預測”(prediction)的模型，我們需獲得訓練樣本的“結果”信息，例如“（（色澤=青綠；根蒂=蜷縮；敲聲=濁響），好瓜）”．這里關于示例結果的信息，例如“好瓜”，稱為“標記”(label);擁有了標記信息的示例，則稱為“樣例”(example). -般地，用1.2基本術語若將標記看作對象本身的一部分，則“樣例”有時也稱為“樣本”．亦稱“負類”亦稱“測試示例”
　　(testing instance)或“測試例”