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