1.2.0 polished done

chapter_introduction/index.md

@@ -96,12 +96,15 @@
 
 ## 关键组件
 
-在我们的唤醒词例子中，我们描述了一个由音频片段和二元标签组成的数据集，并给出了如何训练模型来模拟从音频片段到分类的映射。这类问题被称为“监督学习”。我们试图根据已知的输入来预测指定的未知标签。数据集是给定一个由标签已知的数据组成。这只是许多机器学习问题中的一个。之后我们将深入研究不同的机器学习问题。首先，我们想让大家更清楚地了解一些核心组件。无论我们遇到什么类型的机器学习问题，这些组件都将伴随我们左右：
+在之前唤醒词例子中，我们描述了一个由音频片段（输入）和二元标签（输出）组成的数据集，并给出了如何训练模型来模拟从音频片段到分类的映射。
+这类问题被称为*监督学习*（supervised learning）--模型根据*训练数据集*（training set）中的输入来学习已知的标签，之后可以预测*测试数据集*（test set）的未知标签，训练数据集由已知标签的数据组成。
 
-1. 我们可以学习的*数据*。
-1. 如何转换数据的*模型*。
-1. 一个“目标函数”，用来量化模型做得有多好(或有多差)。
-1. 调整模型参数以优化目标函数的*算法*。
+这只是许多机器学习问题中的一个。之后我们将深入研究不同的机器学习问题。首先，我们想让大家更清楚地了解一些核心组件。无论我们遇到什么类型的机器学习问题，这些组件都将伴随我们左右：
+
+1. 我们可以学习的*数据*（data）。
+1. 如何转换数据的*模型*（model）。
+1. 一个*目标函数*（objective function），用来量化模型的有效性。
+1. 调整模型参数以优化目标函数的算法。
 
 ### 数据