人工智能基本词汇 & 术语

Regression：回归。原指分析不同组随机变量之间的（如 X(x1, ... xn) 和 Y(y1, .... yn)）统计分析方法，是一种建模方法

Logistic Regression：逻辑回归。是线性回归的一种推广，从功能角度来说常用于分析分类问题；从数学模型角度来说，因变量会多多一次非线性变换，将因变量映射成分类概率。

----

Imitation Learning：模仿学习，通常学习的是序列化决策过程，它是监督学习和强化学习的一个模糊地带。其中可以可以分为行为克隆（Behavior Cloning），逆强化学习（Inverse Reiforcement Learning），都是并不直接面对reward的设计。这两种的共同点，都是在于模仿，但是Behavior Cloning的框架还是用的监督学习的框架，而Inverse Reiforcement Learning更关注于强化学习部分。

模仿学习本身与监督学习最大的区别在于，它是一个连续决策过程，是一个闭环过程，当前的决策会影响后面的结果，与传统的监督学习存在区别。

https://blog.youkuaiyun.com/dukuku5038/article/details/84811570（短文，适合入门）

https://blog.youkuaiyun.com/qq_43058281/article/details/114743814  （长文，适合看细节）

Distribution Shift，Behavior Shift（闭环决策过程中会遇到超出学到的数据分布的情况，同时闭环过程会导致误差会累积，出现失之毫厘差之千里的问题）

----

强化学习

----

Active Learning：主动学习。针对海量数据，主动去发掘其中最有用的数据，主动发出标注请求，本质上是一种机器与人共同完成的高效使用海量数据的方法。https://blog.youkuaiyun.com/qq_15111861/article/details/85264109

Fleet Learning：舰队学习（车队学习），Tesla提出了多辆自动驾驶车辆共享数据的方式，通过其他车辆的行为进行经验积累（人驾数据更好）。https://zhuanlan.zhihu.com/p/88391901