我正在关注关于机器学习基础的tutorial，其中提到了一些东西可以是功能或标签。
据我所知，功能是正在使用的数据的属性。我不知道标签是什么，我知道这个词的意思，但我想知道它在机器学习的上下文中是什么意思。
【问题讨论】：
标签： machine-learning
让我们举个例子，我们想使用手写照片检测字母表。我们在程序中输入这些样本图像，程序根据它们获得的特征对这些图像进行分类。
此上下文中的一个特征示例是：字母'C' 可以被认为是一个面向右侧的凹面。
现在出现了一个关于如何存储这些特征的问题。我们需要给它们命名。这是标签的作用。 标签被赋予这些特征以区分它们与其他特征。
因此，当提供特征作为输入时，我们获得标签作为输出。
标签不与无监督学习相关。
【讨论】：
特点：
在机器学习中，特征是指训练数据的属性。或者，您可以说出训练数据集中的列名。
假设这是你的训练数据集
Height Sex Age
61.5 M 20
55.5 F 30
64.5 M 41
55.5 F 51
. . .
. . .
. . .
. . .
那么这里Height、Sex和Age是特征。
标签：
训练后从模型中获得的输出称为标签。
假设您将上述数据集提供给某个算法并生成一个模型来预测性别为男性或女性，在上述模型中您传递了age、height 等特征。
所以在计算之后，它将返回性别为男性或女性。这称为标签
【讨论】：
假设您想预测气候，那么提供给您的特征将是历史气候数据、当前天气、温度、风速等，标签将是几个月。 上述组合可以帮助您得出预测。
【讨论】：
先决条件：基本统计和学习机器学习（线性回归）
一句话就能回答——
它们是相似的，但它们的定义会根据需要而变化。
让我解释一下我的说法。假设您有一个数据集，为此考虑exercise.csv。数据集中的每一列都称为特征。 Gender、Age、Height、Heart Rate、Body_temp 和 Calories 可能是各种列之一。每列代表不同的特征或属性。
User_ID Gender Age Height Weight Duration Heart_Rate Body_Temp Calories
14733363 male 68 190.0 94.0 29.0 105.0 40.8 231.0
14861698 female 20 166.0 60.0 14.0 94.0 40.3 66.0
11179863 male 69 179.0 79.0 5.0 88.0 38.7 26.0
为了巩固理解和解开谜题，让我们考虑两个不同的问题（预测案例）。
CASE1：在这种情况下，我们可能会考虑使用 - 性别、身高和体重来预测运动期间燃烧的卡路里。该预测（Y）卡路里在这里是一个标签。 卡路里是您要使用各种特征预测的列 - x1：性别，x2：身高和 x3：体重。
CASE2：在第二种情况下，我们可能希望通过使用 Gender 和 Weight 作为特征来预测 Heart_rate。这里 Heart_Rate 是一个 Label，使用 features - x1: Gender 和 x2: Weight 预测。
一旦你理解了上面的解释，你就不会再对标签和特征感到困惑了。
【讨论】：
简单地说，特征是输入；标签是输出。这适用于分类和回归问题。
特征是输入集中的一列数据。例如，如果你试图预测某人会选择的宠物类型，你的输入特征可能包括年龄、家乡、家庭收入等。标签是最终的选择，例如狗、鱼、鬣蜥、岩石、等等
训练完模型后，您将为其提供包含这些特征的新输入集；它将返回该人的预测“标签”（宠物类型）。
【讨论】：
简要说明的功能将是您提供给系统的输入，而标签将是您期望的输出。比如你喂了一条狗的很多特征，比如身高、皮毛颜色等，所以经过计算，它会返回你想知道的狗的品种。
【讨论】：