machine learning key word (part one)

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
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习是人工智能领域的一个重要分支,它研究开发一种能让计算机具备自主学习能力的算法和模型。Python作为一种易学易用的编程语言,成为机器学习领域中广泛使用的工具之一。 机器学习算法基于数据的模式和规律,通过从数据中学习并自动调整模型参数,可以用来解决一些复杂的问题,如图像识别、语音识别、推荐系统等。Python提供了丰富的机器学习库和工具包,如scikit-learn、TensorFlow和PyTorch等,使得开发者可以方便地实现和应用各种机器学习算法。 深度学习是机器学习的一个重要分支,它使用多层神经网络模型进行学习和训练。与传统机器学习不同,深度学习可以通过类似人脑神经元的结构来进行模式识别和数据处理。它能够处理大规模和高维度的数据,具有强大的表示学习能力和泛化能力。 Python也成为了深度学习领域中的主要编程语言之一。通过使用库和框架如Keras、PyTorch和TensorFlow,开发者可以方便地构建和训练深度神经网络。这些工具包提供了灵活和高效的接口,使得深度学习模型的开发和部署更加简单和便捷。 总之,Python作为一种易学易用的编程语言,为机器学习和深度学习提供了强大的支持和工具。它使得开发者能够更加轻松地应用和实现各种机器学习算法和深度学习模型,为人工智能的发展做出了重要贡献。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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