否則標(biāo)記信息直接形成了簇劃分：但也有例外情況，參見(jiàn)13.6節(jié)，亦稱(chēng)“有導(dǎo)師學(xué)習(xí)”和“無(wú)導(dǎo)師學(xué)習(xí)”，更確切地說(shuō)，是“未見(jiàn)示例”(unseen instance)．現(xiàn)實(shí)任務(wù)中樣本空間的規(guī)模通常很大（例如20個(gè)屬性，每個(gè)屬性有10個(gè)可能取值，則樣本空間的規(guī)模已達(dá)1020)．(xi，tJi)表示第t個(gè)樣例，其中Yi∈y是示例茁t的標(biāo)記，y是所有標(biāo)記的集合，亦稱(chēng)“標(biāo)記空間”(label space)或“輸出空間”．若我們欲預(yù)測(cè)的是離散值，例如“好瓜”“壞瓜”，此類(lèi)學(xué)習(xí)任務(wù)稱(chēng)為“分類(lèi)”(classification)；若欲預(yù)測(cè)的是連續(xù)值，例如西瓜成熟度0.95、0.37，此類(lèi)學(xué)習(xí)任務(wù)稱(chēng)為“回歸”(.regression)．對(duì)只涉及兩個(gè)類(lèi)別的“二分類(lèi)”(binary classificatiori)任務(wù)，通常稱(chēng)其中一個(gè)類(lèi)為“正類(lèi)”(positive class)，另一個(gè)類(lèi)為“反類(lèi)”(negative class);涉及多個(gè)類(lèi)別時(shí)，則稱(chēng)為“多分類(lèi)”(multi-class classification)任務(wù)，一般地，預(yù)測(cè)任務(wù)是希望通過(guò)對(duì)訓(xùn)練集{(Xl，可1)，(x2，Y2)，…，(Xm，ym)）進(jìn)行學(xué)習(xí)，建立一個(gè)從輸入空間石到輸出空間y的映射，：X卜÷y．對(duì)二分類(lèi)任務(wù)，通常令y={-1，+1）或{o，1};對(duì)多分類(lèi)任務(wù)，lyl>2；對(duì)回歸任務(wù)，y=R，I為實(shí)數(shù)集．學(xué)得模型后，使用其進(jìn)行預(yù)測(cè)的過(guò)程稱(chēng)為“測(cè)試”(testing)，被預(yù)測(cè)的樣本稱(chēng)為“測(cè)試樣本”(testing sample).例如在學(xué)得，后，對(duì)測(cè)試?yán)蓿傻玫狡漕A(yù)測(cè)標(biāo)記可=，@）我們還可以對(duì)西瓜做“聚類(lèi)”(clustering)，即將訓(xùn)練集中的西瓜分成若干組，每組稱(chēng)為一個(gè)“簇”(cluster)；這些自動(dòng)形成的簇可能對(duì)應(yīng)一些潛在的概念劃分，例如“淺色瓜”“深色瓜”，甚至“本地瓜”“外地瓜”．這樣的學(xué)習(xí)過(guò)程有助于我們了解數(shù)據(jù)內(nèi)在的規(guī)律，能為更深入地分析數(shù)據(jù)建立基礎(chǔ)，需說(shuō)明的是，在聚類(lèi)學(xué)習(xí)中，“淺色瓜”“本地瓜”這樣的概念我們事先是不知道的，而且學(xué)習(xí)過(guò)程中使用的訓(xùn)練樣本通常不擁有標(biāo)記信息。