$$
\begin{array} { r l r l r l } & { \mathbb { H } | \mathfrak { s } / 4 \mathbin { \stackrel { } { \partial } } \mathbin { \mathbb { R } } } & & { = } & & { 1 2 8 \mathrm { K B } } \\ & { \mathbin { \ddot { \mathfrak { R } } } | \dag \bigwedge \mathbin { \ddot { \mp } } \mathbin { \ddot { \mathfrak { R } } } } & & { = } & & { \frac { \underline { { \mathfrak { s } } } } { | \mathfrak { s } | } \mathbin { \ddot { \overline { { \mathfrak { s } } } } } \mathbin { \lrcorner } \sharp \mathrm { H } \mathrm { H } \dot { \mathcal { P } } } \\ & { \qquad \quad \cdots } & & { } \end{array}
$$
一般来说，参与训练的每个样本的特征应当具备一致性，这是指每个特征在不同样本中所表示的含义是一样的，但并不是要求每个样本都具有全部的特征，允许有特征缺失。一个特征又由特征的含义和值构成，通常，对于每个样本中相同含义的特征，它的值应该具有一样的数据结构和一致的度量单位，如果不是，则应该在数据预处理阶段将其转换成一样的数据结构。在机器学习训练过程中，由于训练样本终归要交付给计算机去运算，因此更倾向于使用计算机可以理解的特征值来参与模型训练，典型的如“3、2、128KB、高信用用户”这样的整型、浮点型和枚举型数值，如果不是这样的特征值，则在数据预处理阶段就要进行归一化处理，转变为无量纲表达式。
接下来我们要接触到一个稍微抽象的概念：样本空间。请读者尝试着想象以下场景：假设每个样本都由收件人数量、邮件长度、附件数量三个特征构成，把这三个特征按照各个特征的数值大小各放在一条坐标轴上。这样，每个样本都将在这三条坐标轴构成的三维空间中对应唯一的一个点，我们再使用一条指向这个点的线段来表示每个样本，譬如“（收件人数量 =3、附件数量 =2、邮件长度 =128KB）”这个样本，就将构成如图 6-7 所示的坐标。
第 6 章 机器学习概览
187