机器学习——名词解释集锦

最新推荐文章于 2024-03-07 21:40:44 发布

爱吃鱼的树先生

最新推荐文章于 2024-03-07 21:40:44 发布

阅读量4.5k

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/wanwei123/article/details/10475929

本文详细解释了机器学习中的一些关键概念，包括数理类的先验假设和鲁棒性，以及算法类的NP、P、NP完全问题和NP难问题。先验假设是指基于理论而非实验得出的结论，而鲁棒性则衡量模型对噪声数据的抵抗力。在算法方面，介绍了NP、P、NP完全和NP难问题的区别，强调了NP完全问题在解决复杂问题中的核心地位。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、数理类：

1、先验假设 (Priori Hypothesis)

—— 对一种现象的解释，顾名思义，是基于理论和逻辑，而不是基于实验和观察得出的结论。相反地，后验假设( posterior hypothesis )是基于实验和观察而不是理论和逻辑得出解释。（http://www.ask.com/question/what-is-a-priori-hypothesis）

2、鲁棒性（Robustness）

——统计学中的一个专门术语，20世纪70年代初开始在控制理论的研究中流行起来，用以表征控制系统对特性或参数扰动的不敏感性。在机器学习中，用于表示训练算法对噪声数据的干扰的不敏感性。（http://baike.baidu.com/view/45520.htm）

二、算法类：

1、NP完全问题（NP-complete problem；NP：Non-deterministic Polynomial）