机器学习术语小结

Multi-label: 多标签，指一个示例或样本可用多个标签来表示，如地瓜，又可叫作红薯、番薯……

Multi-view: 多视角，指有多种图像表示形式，如红外线图、RGB表示、以及图像翻转某个角度来表示图像等等

Multi-modal: 多模态，指示例或样本有多种表示模态，如可用文本、图像表示，则有文本模态和图像模态两种模态

Multi-instance: 多示例，指在一个包中有多个示例，通常与多标记结合，详见https://en.wikipedia.org/wiki/Multiple-instance_learning

Reference： 归一化、标准化和正则化的关系

Normalization(归一化)：把数据变为(0,1)之间的小数，如 y=(x-min)/(max-min)。主要是为了方便数据处理，因为将数据映射到0～1范围之内，可以使处理过程更加便捷、快速。

Standardization(标准化): 将数据按比例缩放，使之落入一个小的特定区间。如z-score标准化，即零-均值标准化（常用方法）： y=(x-μ)/σ 。

Regularization(正则化)：用一组与原不适定问题相“邻近”的适定问题的解，去逼近原问题的解，比如在设计损失函数时添加正则化损失项来当做惩罚项。

Reference：信息检索（IR）的评价指标介绍 - 准确率、召回率、F1、mAP、ROC、AUC

Reference：机器学习中的范数规则化之（一）L0、L1与L2范数