翻译技术速递
机器学习算法利用数据进行学习和决策。算法通过理解训练数据集中的基本模式、关系和结构来提高决策的置信度。训练数据质量越高，算法的表现就越好。那么，训练数据到底是什么呢？
训练数据，也称为训练集或学习集，是用于训练机器学习模型的输入数据集。这些模型利用训练数据进行学习，提炼规则，对看不见的数据点做出预测。输入模型的训练数据量往往很大，使得算法能够预测更准确的标签。通常，一个训练集由整个数据集的大约70-80%组成。训练集的结构由行和列组成，其中一行是一个观察，一列是一个特征。特征也被称为属性，它们对机器学习算法的结果极其重要。例如，如果我们想要建立一个预测天气的模型，一些适用的特征将是温度，云覆盖和湿度。每个特征的值将是数据集中的一个观察值或行。
在使用机器学习模型的训练数据时，有某种人类参与是很常见的，而且经常是必要的。训练数据必须符合业务和模型要求。在模型中使用这些数据之前，需要对其进行擦洗和分析，否则，预测的质量将受到负面影响。
以上中文文本为机器翻译，存在不同程度偏差和错误，请理解并参考英文原文阅读。
阅读原文