模式是这个数字世界的一切。一个模式既可以从物理上看到，也可以通过应用算法从数学上观察到。
比方说，衣服上的颜色，说话的方式等等。在计算机科学中，模式是用向量特征值来表示的。
在典型的模式识别应用中，原始数据被处理并转换成机器可以使用的形式。模式识别涉及模式的分类和聚类。
模式识别中的训练和学习
学习是最重要的阶段，因为系统对提供给系统的数据的表现取决于对数据使用的算法。
训练集:
训练集用于建立模型。它由用于训练系统的一组图像组成。所使用的训练规则和算法给出了如何将输入数据与输出决策相关联的相关信息。通过在数据集上应用这些算法来训练系统，从数据中提取所有相关信息并获得结果。一般情况下，数据集80%的数据被作为训练数据。
测试集:
测试数据用于测试系统。它是用于验证系统在经过训练后是否产生正确输出的数据集。通常，数据集20%的数据用于测试。测试数据用于测量系统的精度。例如:一个识别某一种花属于哪一类的系统，能够正确识别十种花中的七种，其余的则是错误的，那么准确率为70 %
实时示例和解释:
模式是物理对象或抽象概念。在球被认为是图案的情况下，类别可以是足球、板球、乒乓球等。给定一个新的模式，模式的类别将被确定。模式的属性选择和表示是模式分类中非常重要的一步。一个好的表示是一个利用区别属性并且减少模式分类中的计算负担的表示。
这门专业课程是需要同学们深入理解的，由于整体的学习比较抽象化，同学们难免会遇到不能理解的部分，澳洲留学生辅导老师会根据同学们具体哪方面的问题来具体分析，然后制定学习方案，同学们自己也要更加用心才能真正理解课程的学习目标。