machine learning key word (part one)

最新推荐文章于 2025-06-25 15:17:39 发布
原创 最新推荐文章于 2025-06-25 15:17:39 发布 · 363 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习

本文介绍了机器学习领域的核心术语，包括学习算法、实例/样本、样例、标记等，并详细解释了监督学习、无监督学习、分类、回归等概念，为初学者提供了全面的基础知识。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

machine learning：机器学习常用术语(one part)

    learning algorithm：学习算法

    instance/sample：示例/样本

    example：样例

    label：标记

    attribute/feature：属性/特征

    attribute value：属性值

    attribute space：属性空间

    sample space：样本空间/输入空间

    feature vector：特征向量

    dimensionality：维数

    hypothesis：假设

    ground-truth：真相、真实

    learner：学习器

    training data：训练数据

    training sample：训练样本

    test sample：测试样本

    training set：训练集

    label space：标记空间、输出空间

    classification：分类

    regression：回归

    binary classification：二分类

    multi-class classification：多分类

    positive class：正类

    negative class：反类

    clustering：聚类

    supervised learning：监督学习

    unsupervised learning：无监督学习

    generalization：泛化

    distribution：分布

    independent and identically distributed：独立同分布（i,i,d.）

    induction：归纳

    inductive learning：归纳学习

    deduction：演绎

    specialization：特化

    version space：版本空间

    fit：匹配

    inductive bias：归纳偏好（简称“偏好”）

    Occam's razor

    No Free Lunch Theorem：没有免费的午餐定量（简称“NFL”）

    artificial intelligence：人工智能

    General Problem Solving：通用问题求解

    Logic Theorist：逻辑理论家

    connectionism：连接主义

    symbolism：符号主义

    perceptron：感知机

    Inductive Logic Programming：归纳逻辑程序设计（简称“ILP”）

    statistical learning：统计学习

    support vector meachine：支持向量机（简称“SVM”）

    kernel methods：核方法

    data mining：数据挖掘

    crowdsourcing：众包

    transfer learning：迁移学习

    learning by analogy：类比学习

    deep learning：深度学习
高级机器学习与信号处理 （Advanced Machine Learning and Signal Processing）双语版 -- 简介与基于Spark的实验环境搭建
shiter编写程序的艺术
09-24 403
!!!!!!!!!!!!!!
68、Symmetry Axioms in Machine Learning
ol7890123的博客
06-02 19
This blog post explores the concept and importance of symmetry axioms in machine learning. It covers different types of symmetry such as translation, rotation, reflection, and scale symmetry, and discusses how they can be integrated into model design, trai
机器学习术语
m0_62064241的博客
07-02 403
机器学习术语
机器学习的基本术语
YuNlear的博客
05-08 1325
1. 数据： 关于研究对象的记录 2. 数据集(data set)： 记录的集合 3. 示例(instance)/样本(sample)： 每一条关于事件或对象的描述 4. 属性(attribute)/特征(feature)： 反映事件或对象在某方面的表现或性质的事项。 5. 属性值(attribute value)： 属性的取值 6. 属性空间(attribute space)/样本空间(sample space)： 属性张成的空间 7. 样本的维数(dimensionality)：样本的属性描
《机器学习》基本术语标准翻译总结：第1章
06-19 5532
本文是笔者在看完周志华教授的《机器学习》教材后，对基本术语翻译的一些总结： machine learning：机器学习 learning algorithm：学习算法 instance/sample：示例/样本 example：样例 label：标记 attribute/feature：属性/特征 attribute v
机器学习——基本术语
菜到怀疑人生的博客
01-26 428
令D={X1，X2，X3.......Xm}，则D表示包含m个示例的数据集，每个示例由d个属性描述，则每个示例Xi=（Xi1；Xi2；....... Xid）是d维空间的一个向量，d维空间的每个坐标轴称为“属性”，属性的取值称为“属性值”，所形成的d维空间称为“属性空间”、“样本空间”、“输入空间”，d称为样本Xi的“维度”。 从数据中学得的模型的过程称为“学习”或是“训练”，这个过程通
机器学习术语表
sinat_33731745的博客
03-14 583
A accuracy (准确率) 分类模型预测准确的比例。在多类别分类中，准确率定义如下： accuracy=correctpredictionstotalnumberofexamplesaccuracy=correctpredictionstotalnumberofexamplesaccuracy =\frac{correct predictions}{total number of ...
Pattern Recognition and Machine Learning (Bishop)
02-19
### Pattern Recognition and Machine Learning **Pattern Recognition and Machine Learning** by Christopher M. Bishop is a seminal work in the field of machine learning and pattern recognition. The book...
64、Conditional Proportions in Machine Learning
ol7890123的博客
05-29 16
This blog post explores the concept and applications of conditional proportions in machine learning. Starting with foundational definitions and properties, it covers their role in predictive modeling, classification tasks, and handling uncertainty or incom
91、Symmetry Axioms in Machine Learning
最新发布
ol7890123的博客
06-25 20
这篇博文深入探讨了机器学习中的对称公理（Symmetry Axioms），强调其在提升模型公平性、一致性及可靠性方面的重要作用。文章从基础概念讲起，涵盖了数据对称、算法对称和输出对称，并详细分析了如何在多种机器学习算法中应用对称原则，包括线性回归、决策树、神经网络、集成方法、无监督学习、时间序列分析、图神经网络、生成模型、强化学习、迁移学习、多智能体系统以及模型可解释性。此外，还讨论了实施对称性所面临的挑战及解决方案，并提供了多个实际案例与应用场景，帮助读者全面理解对称性在机器学习中的广泛应用。
机器学习基础——术语
绝尘
08-21 343
基础术语介绍基本术语假设空间归纳偏好 今天开始学习西瓜书哦。。。。 基本术语 机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型”（model）的算法，即“学习算法”（learning algorithm） 数据集（data set）：这组记录的集合称为一个“数据集”，其中每条记录是关于一个事件或对象。 这个过程通过执行某个学习算法来完成，训练过程中使用的数据称为“训练数据”（trai...
【python教程入门学习】机器学习常用术语
zihong523的博客
02-23 702
机器学习是一门专业性很强的技术，它大量地应用了数学、统计学上的知识，因此总会有一些蹩脚的词汇，这些词汇就像“拦路虎”一样阻碍着我们前进，甚至把我们吓跑。因此认识，并理解这些词汇是首当其冲的任务。本节将介绍机器学习中常用的基本概念，为后续的知识学习打下坚实的基础。 机器学习术语 1) 模型 模型这一词语将会贯穿整个教程的始末，它是机器学习中的核心概念。你可以把它看做一个“魔法盒”，你向它许愿（输入数据），它就会帮你实现愿望（输出预测结果）。整个机器学习的过程都将围绕模型展开，训练出一个最优质的“魔法盒”，它可
机器学习基本术语
The Matrix
09-22 247
特征（feature） 反映事件或者对象在某方面的表现或性质的事项，比如眼睛、鼻子、嘴； 属性值（特征值） 属性空间 组成事物或者对象的所有属性的集合； 特征向量 属性空间中的一个点，其实就是一个样本； 空间维数 属性空间中属性的个数； 分类(classification) 预测结果为离散值的学习，如“好瓜”、“坏瓜” 回归(regr...
机器学习 基本术语
Running_Tiger的博客
03-22 697
基本术语 以西瓜数据集为例进行练习： 要进行机器学习，先要有数据。假定我们收集了一批关于西瓜的数据： {颜色=乌黑，敲声=浊响} {颜色=青绿，敲声=清脆} 【基础概念 1】将这组记录的集合称为一个“ 数据集”（data set），其中每条记录是关于一个事件或对象（这里说的是西瓜）的描述，也称为一个“样本”（sample）。 【基础概念 2】而我们所说的西瓜的色泽，这种可以反应事件...
机器学习-术语
ILancy的博客
07-05 1862
机器学习方法是计算机利用已有的数据，得出了某种模型，并利用此模型预测未来的一种方法。机器学习是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法。机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。首先，我们需要在计算机中存储历史的数据。接着，我们将这些 数据通过机器学习算法进行处理，这个过程在机器学习中叫做“训练”，处理的结果可以被我们用来对新的数据进行预测，这个...
CS:Project 5: Machine Learning
12-29
### CS Project 5 Machine Learning Course Materials and Requirements For a graduate-level machine learning course project, specific prerequisites include prior knowledge from either a computer vision or machine learning course[^1]. The focus on these areas ensures that students have foundational understanding necessary for advanced topics. In terms of mathematical preparation, several key skills are essential for success in such projects. These encompass linear algebra, calculus, probability theory, statistics, optimization techniques, and algorithmic thinking[^2]. To gain deeper insights into deep learning methodologies relevant to this type of coursework, resources exist which provide both theoretical explanations as well as practical implementations using frameworks like Keras. For instance, there is an introductory guide available through video tutorials titled "Neural Networks Demystified," created by Stephen Welch, alongside interactive guides covering basics visually presented by J Alammar[^3]. Given the context provided about predicting qualified candidates based on test scores, it can be inferred that part of the project may involve applying statistical models or machine learning algorithms to analyze data sets related to candidate evaluation metrics[^4]. #### Example Code Snippet Demonstrating Basic Data Analysis Using Python Pandas Library ```python import pandas as pd # Load dataset containing information about candidates' test results. data = pd.read_csv('candidates_test_scores.csv') # Display first few rows of dataframe to understand structure. print(data.head()) # Perform simple descriptive analysis. summary_statistics = data.describe() print(summary_statistics) # Identify potential correlations between different features within the dataset. correlation_matrix = data.corr() print(correlation_matrix) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值