似乎在您的设置中，您的输入（您用于建模的数据）和您的输出（您想要预测的数据）都在同一个表中。在这种情况下，它有点复杂，因为：

1. 行是输入/输出元组（示例；观察；数据点；基准）
2. 单个单元格是输入特征值（或属性）或输出值
3. 输入数据或训练集
4. 输出或目标

或者在数学上，你会经常看到：

1. ${\bf{x}_i, y_i}$
2. x_或取决于您选择的列$x_{ij}$$y_i$
3. $\bf{X}$
4. $\bf{y}$

值得查看有关交叉验证的 wiki 页面，以了解如何正确拆分数据集。

基于 Andrew Ng 的ml-class.org和 Tom Mitchell 的“机器学习”一书，我认为它们将被称为

1. 训练示例
2. 特征值
3. 训练集
4. 输出/目标变量

但我相信命名将取决于算法。比如说，如果您使用决策树，那么您的训练示例将成为实例，您的特征将成为属性。

(1) 数据点，(2) 特征值

我认为对于回归：

(3) 回归变量、解释变量、输入变量、预测变量、(4) 回归变量、外生变量、响应变量、测量变量

分类：

(3) 特征、输入特征、输入变量 (4) 类

更笼统地回答，因为我不确定您的数据集或教科书是否总是仅限于天气数据，而不是重复上面的答案

1. 观察或案例
2. 我总是把它称为向量ij
3. 自变量（通常仅在实验或准实验环境中）
4. 因变量

我对不同学科的人有感觉。我希望我们都用相同的名字提到相同的东西。