Входные данные — это необработанные данные, а выходные — окончательный результат.
Получается, что на вход поступают не прямые необработанные данные, а признаки, извлеченные из необработанных данных.
Классический метод машинного обучения заключается в предварительной обработке необработанных данных в функции на основе предварительных знаний человека, а затем в классификации функций. Результат классификации сильно зависит от качества признака. Поэтому эксперты по машинному обучению в прошлом тратили большую часть своего времени на разработку функций. Машинное обучение в то время было более уместно называть проектированием признаков.