符号名词解释,部分定义基于个人喜好,在我自己的笔记中用到。笔记主要是用于自己学习记录,很多东西理解得还不是很清楚,以后会逐渐完善。
机器学习
符号或名词 | 意义 |
---|---|
x x x | 输入向量,表示一个一维向量 |
y y y | 样本输出向量,表示一个一维向量 |
X X X | 输入数据集 |
Y Y Y | 样本输出数据集 |
X i X^i Xi | 第i个样本输入向量 |
X j i X^i_j Xji | 第i个样本输入向量的第j个特征值 |
n n n | 输入向量的维数,即特征量个数 |
m m m | 数据集的大小,即样本个数 |
H / h H/h H/h | 预测函数 |
J J J | 代价函数 |
z z z | 预测值 |
θ \theta θ | 预测函数的系数,维数与 ( 0 , x ) (0,x) (0,x)维数相同 |
神经网络
符号或名词 | 意义 |
---|---|
x x x | 输入向量,表示一个一维向量 |
ω \omega ω | 系数矩阵的集合 |
ω l \omega^l ωl | 第 l l l层到第 l + 1 l+1 l+1层的权重矩阵 |
ω j k l \omega^l_{jk} ωjkl | ω l \omega^l ωl矩阵 ( j , k ) (j,k) (j,k)位置表示第 l − 1 l-1 l−1层第 j j j个神经元到第 l l l层第 k k k个神经元的权重 |
ω ∗ k l \omega^l_{*k} ω∗kl | 第 l − 1 l-1 l−1层到第 l l l层第 k k k个神经元的权重向量 |
z l z^l zl | 第 l − 1 l-1 l−1层的输出向量,也是第 l l l层激活函数的输入向量 |
a l a^l al | 第 l l l层的激活向量 |
b l b^l bl | 第 l l l层的阈值向量 |
δ j l \delta^l_j δjl | 第l层第j个神经元的误差 |
C C C | 代价函数 |
epoch | 一代完整的训练周期 |
batch | 以batch为单位划分数据集 |
iteration | 一个batch数据集进行一次参数更新的过程 |
(权重矩阵 ω l \omega^l ωl的行数为 l − 1 l-1 l−1层神经元个数,列数为 l l l层神经元个数)