学习目标
学习本课后，你将能够：
- 识别表格数据中的对象与观测单位。
- 区分特征 X、目标变量 y 和标识符。
- 根据目标变量类型解释回归与分类的区别。
- 检查特征在实际预测时是否可获得。
1. 对象与观测单位
对象是我们希望研究或推断的事物，例如建筑、客户、产品、行程或事件。观测单位是用于分析的一条具体记录。一个对象可以产生多条观测，例如一栋建筑每小时被测量一次。
建立表格前，请先完成这句话：“一行描述……”。如果答案不明确，数据结构和评估设计就尚未确定。
2. 特征与矩阵 X
特征（feature）是描述对象、并且在模型预测时可获得的输入变量。特征矩阵记为 X：行代表观测，列代表特征。例如室外温度、建筑面积、星期几和计划人数。
对象标识符通常用于关联记录和分组划分，但不一定是有用的预测变量。唯一建筑编号可能让模型记住某个建筑，而不是学习能迁移到新建筑的规律。
3. 目标变量 y
目标变量（target）是模型需要预测的数值或类别。在带标签的训练集中，已知目标值提供参考答案。常用记号中，X 表示输入，y 表示结果。
目标必须定义准确：测量什么、单位是什么、预测时间范围多长、对应哪个对象。仅说“预测能耗”还不够，还需要说明时间段和测量边界。
4. 回归与分类
目标是定量数值时，任务通常属于回归，例如预测 kWh、配送时间或温度。目标是类别时，任务属于分类，例如故障/正常、请求类型或风险类别。
用数字编码的类别并不会自动变成回归问题。0、1、2 可能只是三个类别代码，它们之间并没有有意义的数值距离。
5. 特征必须在预测时可用
对每个特征都要问：“系统需要给出预测时，是否已经知道这个值？”预测明日负荷时，今天的温度和已知日历可能可用，但明天的实际能耗不可用。
包含答案或只能在事件发生后获得的信息会造成目标泄漏。即使某个字段显著提高指标，也不代表它是合法的输入。
6. 实践：标注一张表
任务：预测建筑每日能耗。候选字段包括日期、建筑编号、室外温度、建筑面积、计划人数、实际人数和实测能耗。
确定对象与每行含义，选择 X 和 y，标出标识符，再把特征分为“当天开始前可获得”和“事后记录”两类。解释为什么实际能耗不能作为同一时段预测的输入。