目标：您尝试预测的最终输出，也称为y. 它可以是分类的（生病与未生病）或连续的（房价）。

标签：目标的真实结果。在监督学习中，目标标签是已知的训练数据集，而不是测试。

标签在分类问题中比在回归问题中更常见。尽管如此，它们经常可以互换使用，但精度不高。

我将举一个它们不可互换的例子。

label 和 target 都可以根据 x 来表达 y 的含义，但只有 label 具有描述 input 的含义，例如：

在图像分类：一个训练示例（猫图像像素，猫）中，我们可以说猫是这张图片的标签，因为它只是描述了这张图片的种类。

但是在 word2vec中，我们使用当前词来预测它的上下文词：一个训练示例，比如说（橙子，果汁），这里我们可能不会说果汁是橙子的标签，很奇怪吧？所以在这个场景中，我们只能说果汁是橙子的目标，只能表达它的依赖。