当提供给机器学习的文本格式通常有以下要求：

1. 文本应该被编码为文本文件或数据集中的一部分。这可以通过将文本保存为.txt文件或将文本数据存储在数据库或其他数据存储系统中来实现。
2. 文本数据应该被标记或分类。在监督学习中，每个文本样本都应该分配一个标签或类别，以指示它所属的类别。例如，在情感分析中，正面或负面评论应该被标记为“1”或“0”。
3. 文本应该被预处理。这包括去除标点符号、停用词和特殊字符，以及进行标准化和归一化处理。例如，所有文本可以转换为小写字母，以避免由于大小写而引起的差异。
4. 文本应该被表示为向量形式。这可以通过词袋模型、TF-IDF向量化或词嵌入等技术实现。这些向量可以捕捉文本中的语义和语法信息，并使机器学习算法能够对文本进行数学运算。
5. 文本可以包含多个句子或段落。在这种情况下，每个句子或段落都应该被单独处理并为机器学习算法提供适当的数据格式。

例如，以下是一段示例文本，它已被预处理并表示为向量形式，以用于机器学习算法：

原始文本：
"I love this product! It's so amazing!"

预处理后的文本：
"I love this product amazing"

向量表示：
[0 1 1 1 0 1]