一个被标记的训练数据集是指其中每个​​训练实例​​（或样本）都同时包含了：​​输入数据（特征，Features）​​：描述该实例的一组属性。​​期望输出（标签，Label 或 目标，Target）​​：我们希望模型为该输入预测的正确结果。​​例如​​：在一个垃圾邮件分类器中，一个被标记的数据集包含成千上万封邮件。对于每一封邮件：**​​输入（特征）​​：**可能是邮件的发件人、标题、正文内容等。

如果你的训练数据充满错误、异常值和噪声（例如，低质量的测量产⽣的数据），系统将更难检测到底层模式，也就更不太可能表现良好。花时间清洗训练数据通常是⾮常值得的。假设你正在国外旅游，被出租⻋司机敲诈。你可能会说那个国家的所有出租⻋司机都是⼩偷。只有当训练数据包含⾜够多的相关特征并且没有太多⽆关特征时，系统才能够进⾏学习。当模型太简单⽽⽆法学习数据的底层结构时，就会发⽣⽋拟合。练习：使用scikit-l