《机器学习》基本术语标准翻译总结：第1章

最新推荐文章于 2023-08-15 15:28:02 发布
最新推荐文章于 2023-08-15 15:28:02 发布
阅读量4.4k 收藏 15
点赞数 6
分类专栏： 机器学习 文章标签： 机器学习 人工智能 数据挖掘
本文是笔者在看完周志华教授的《机器学习》教材后，对基本术语翻译的一些总结：

  1. machine learning：机器学习

  2. learning algorithm：学习算法

  3. instance/sample：示例/样本

  4. example：样例

  5. label：标记

  6. attribute/feature：属性/特征

  7. attribute value：属性值

  8. attribute space：属性空间

  9. sample space：样本空间/输入空间

  10. feature vector：特征向量

  11. dimensionality：维数

  12. hypothesis：假设

  13. ground-truth：真相、真实

  14. learner：学习器

  15. training data：训练数据

  16. training sample：训练样本

  17. test sample：测试样本

  18. training set：训练集

  19. label space：标记空间、输出空间

  20. classification：分类

  21. regression：回归

  22. binary classification：二分类

  23. multi-class classification：多分类

  24. positive class：正类

  25. negative class：反类

  26. clustering：聚类

  27. supervised learning：监督学习

  28. unsupervised learning：无监督学习

  29. generalization：泛化

  30. distribution：分布

  31. independent and identically distributed：独立同分布（i,i,d.）

  32. induction：归纳

  33. inductive learning：归纳学习

  34. deduction：演绎

  35. specialization：特化

  36. version space：版本空间

  37. fit：匹配

  38. inductive bias：归纳偏好（简称“偏好”）

  39. Occam's razor

  40. No Free Lunch Theorem：没有免费的午餐定量（简称“NFL”）

  41. artificial intelligence：人工智能

  42. General Problem Solving：通用问题求解

  43. Logic Theorist：逻辑理论家

  44. connectionism：连接主义

  45. symbolism：符号主义

  46. perceptron：感知机

  47. Inductive Logic Programming：归纳逻辑程序设计（简称“ILP”）

  48. statistical learning：统计学习

  49. support vector meachine：支持向量机（简称“SVM”）

  50. kernel methods：核方法

  51. data mining：数据挖掘

  52. crowdsourcing：众包

  53. transfer learning：迁移学习

  54. learning by analogy：类比学习

  55. deep learning：深度学习

xpHoloAI
关注
  • 6
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习让拍照翻译更简单：java+华为ML Kit
weixin_38132951的博客
07-15 2070
简介 拍照翻译同时结合了文本识别和翻译两个功能。用户只要打开相机拍下需要识别的外国文字，即可 翻译成自己的母语。 在现实中，大家如果到了语言不通的地方，大概率可能会遇到如下麻烦： 梦幻菜单 魔性的路标指示牌 商场中琳琅满目的商品 拍照翻译帮你忙 我们首先来看一下效果展示 同时po上源码（找到Photo-translate）： https://github.com/HMS-MLKit/HUAWEI-HMS-MLKit-Sample 基本功能介绍（免费） 今天就来给大家介绍一下，怎么样来开发一个拍照翻译
第1章 机器学习基础_01021
08-03
1.1 何谓机器学习 1.1.1 传感器和海量数据 1.1.2 机器学习常重要 1.2 关键术语 1.3 机器学习的主要任务 1.4 如何选择合适的算法 1.5
ipml:实用机器学习导论
05-05
实用机器学习导论 这是什么是机器学习及其如何在实践中使用的简短介绍。 目标听众 目标受众是没有机器学习经验的软件工程师。 目标 对机器学习的概念理解，以便您可以确定机器学习将有效解决哪些问题。 了解机器学习的核心概念和术语。 解决可以在Web应用程序中使用的实际机器学习问题。 什么是机器学习？ 通过经验提高某些任务性能的任何计算机程序。 p.2 有一个需要学习的目标。 这对我们来说是未知的。 我们有一组由目标生成的示例。 学习算法使用这些示例来寻找近似目标的假设。 第5页 第4页 监督学习 我们有一组training examples ，它们的输入x和输出y已知。 我们学习hypothesis function f映射输入。OUPUTS： f: x -> y 给定一个看不见的示例，我们对其应用f并输出我们的预测。 监督学习的例子包括： 字符识别： training e
opinion-detector-base:使用机器学习进行细粒度意见检测
07-01
意见检测基地 介绍 该模块使用机器学习和 crfsuite 工具包 ( ) 实现了意见挖掘的豪华版。 该模块旨在检测意见并为每个意见提取三个元素： 意见表达 意见持有人 意见目标 该模块适用于英语和荷兰语，并已使用 VUA 的 2 位注释者手动注释的小型语料库进行训练。 该模块的输入必须是一个 KAF 文件，最好包含文本、术语（具有 pos 和极性）、实体和属性层，因为它们将用于提取系统的特征。 如果输入的 KAF 中缺少某些层，该模块仍然可以工作，但某些功能将不可用并且性能可能会受到惩罚。 输出是使用意见层扩展的 KAF 文件。 要求 VUKafParserPy：KAF 文件的 Python 解析器（ ） lxml：python中处理xml的库 CRFsuite 工具包： : 安装 第一步是安装要求的 VUKafParserPy 和 lxml。 对于第一个，您应该转到 Git
大连理工大学-基于机器学习算法的自然语言处理研究
最新发布
08-25
Text mining(TM),也称为智能文本分析,通常指使用各种先进的机器学习技术探索和分析大量非结构化文本数据的过程,这些技术可以识别数据中潜在的概念,模式,主题,关键字和其他属性。在第一部分工作中,分析了不同时期(跨越几个世纪)的词汇变化,以及判断某一文本所属的时代。提出了一个Term Pace计算模型(TPCM),其计算词汇的演化速度以及词汇中的结构变化。TPCM由四个模块组成,包括术语相关计数(TRC)、反向平均片段(IAF)、片段词典加权比较(FLWC)和术语速度(TeP)。TRC提取最常用的单词,IAF决定选择哪些词汇进行统计。FLWC用于发现词汇的在不同时段的变化。TeP非常重要,它计算一个术语随着不同时间段(即15、16、17、18、19世纪)的变化速度。本文第二个工作提出了一个识别特定文本所属年代/世纪的模型,该模型基于无监督算法终身文本提取器(LTE),它计算文本之间的相似性并判断文本的年代。LTE使用相似性的度量为每个文档分配主题。
Machine Learning --- 机器学习（斯坦福大学）相关材料中英翻译
嘟嘟的博客
03-26 352
Machine Learning — 机器学习（斯坦福大学） 不断学习，不断更新中…… 1. Linear regression with one variable 2. Multiple Features 3. Logistic Regression 4. …
机器学习专业名词中英文对照
weixin_44935881的博客
06-09 1792
机器学习专业名词中英文对照 转载自 下链接 https://blog.csdn.net/xingfei_work/article/details/80039527 other activation 激活值 activation function 激活函数 additive noise 加性噪声 autoencoder 自编码器 Autoencoders 自编码算法 average firing rate 平均激活率 average sum-of-squares error 均方差 backpropagati
机器学习常用专业术语（英汉）
fuhuo_的博客
11-05 2174
机器学习常用的专业术语 说明：以下术语会不断更新补充，建议收藏多看、增强记忆，共同进步。 Artificial intelligence（AI） —— 人工智能 Machine learning（ML） —— 机器学习 Neural Networks —— 神经网络 Deep learning —— 深度学习 Supervised learning —— 监督学习 regression —— 回归 classification —— 分类 Unsupervised learning —— 无监督学习 clu
谷歌出品！机器学习中英文术语对照表
m0_44985838的博客
09-04 1835
微信公众号：机器学习实验室2021-07-31 机器学习 来源：比特小组 转自：Datawhale 机器学习术语表 Google 官方出品的机器学习中英文术语对照表，列出了一般的机器学习术语和 TensorFlow 专用术语的定义。版权归谷歌，由Datawhale精心编译制作，以方便大家手机上浏览、查阅和学习。 1. A A/B 测试 (A/B testing) 一种统计方法，用于将两种或多种技术进行比较，通常是将当前采用的技术与新技术进行比较。A/B 测试不仅旨在确定哪种技...
机器学习里面的Ground Truth是什么意思
ZwaterZ的博客
05-18 3496
今天在看文献的时候看到Ground Truth这个词汇，不是很理解其中的含义，看到一篇大佬的文章，醍醐灌顶，以此记录分享一下。 版权声明：本文为CSDN博主「敲代码的quant」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/FrankieHello/article/details/80486167 在看英文文献的时候，经常会看到Ground Truth这个词汇，翻译的意思是地面实况，放到机器学习里面，再抽象点可以.
机器学习&&深度学习——seq2seq实现机器翻译（数据集处理）
m0_52380556的博客
08-12 876
机器学习&&深度学习——seq2seq实现机器翻译（数据集处理）
机器学习&&深度学习——机器翻译（序列生成策略）
m0_52380556的博客
08-15 497
机器学习&&深度学习——机器翻译（序列生成策略）
机器学习&&深度学习——seq2seq实现机器翻译（详细实现与原理推导）
m0_52380556的博客
08-13 607
机器学习&&深度学习——seq2seq实现机器翻译（详细实现与原理推导）
深度学习中的英文专有名词
Aimer_Chen的博客
12-08 2542
最近在读深度学习的文献资料，觉得专有名词还是挺多的。网上搜集到一些，背一下。 activation                   激活值 activation function           激活函数 additive noise                   加性噪声 autoencoder                     自编码器 Autoencoder
机器学习之名词解释
mingyuli的博客
07-22 2463
train? valid? or test? 机器学习最明显的一个特点是需要大量的数据。特别对监督学习来说，就是需要大量的带标签数据（labeled data）。 很多入门的朋友很快就会遇见模型训练和测试这两个阶段，进而也就了解到带标签数据是要被划分成两个部分的：训练集 (training set) 与测试集 (test set)。这两个概念也很直观，大部分朋友非常快就能接受。 可是到后面，...
机器学习经典算法及名词解释汇总
ROM的博客
10-18 3084
经典算法 一、SVM（支持向量机） （1）概念：支持向量机SVM(Support Vector Machine)是一个有监督的学习模型，通常用来进行模式识别、分类、以及回归分析。所谓支持向量，就是指距离分隔超平面最近的点。 （2）理论背景：​Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况，甚至扩展到使用非线...
常见机器学习名词及解释
xuluohongshang的博客
01-12 1001
距离相关：
词性标注（Part-of-Speech Tagging） ,按照以下分类进行内容拓展(注:重点在技术和原理上进行话语简洁内容详尽的拓展同时回答中提到的每个技术都要求举例说明如何实现): 显象:场景/需求 真象:实体/概念/术语 特征:结构/原理/技术 现象:功能/评价 变化:组合/流程
07-14
显象: 词性标注（Part-of-Speech Tagging）在自然语言处理中具有广泛的应用场景和需求。例如，在文本分析中，词性标注可以帮助识别文本中每个词语的词性，从而进行更精确的语义分析和构建句法树。在信息检索中，词性标注可以用于提取关键词和过滤停用词，以提高搜索结果的质量。在机器翻译和语言生成中，词性标注可以为翻译模型提供更准确的上下文信息。 真象: 词性标注是指为文本中的每个词语赋予其所属的词性类别。词性是指词语在句子中所扮演的语法角色，如名词、动词、形容词等。在英文中，常见的词性有名词（noun）、动词（verb）、形容词（adjective）、副词（adverb）等。在中文中，常见的词性有名词、动词、形容词、副词、代词等。 特征: 词性标注的结构通常包括一个标注器和一个标签集。标注器是执行词性标注任务的工具或算法，用于为每个词语分配相应的词性标签。标签集是一组预定义的词性类别，用于表示词语所属的语法角色。词性标注可以基于规则、统计和机器学习等技术来实现。 举例说明如何实现： 1. 基于规则的方法：可以使用预定义的规则和模式来进行词性标注。例如，在英文中，可以通过词尾的形态变化来判断动词的时态和人称，如"walked"为过去式动词，"walks"为第三人称单数形式动词。 2. 基于统计的方法：常见的统计方法包括基于马尔可夫模型（Markov models）和隐马尔可夫模型（Hidden Markov Models，HMM）的词性标注。这些方法通过统计训练数据中词语和其上下文的共现关系来进行标注。例如，在英文中，可以根据词语前后出现的词性概率来进行标注，如"he"之后通常是动词。 3. 基于机器学习的方法：可以使用机器学习算法，如条件随机场（Conditional Random Fields，CRF）或者神经网络模型，来进行词性标注。这些模型可以通过训练数据来学习词语和上下文之间的关系，并进行标注。例如，在中文中，可以使用CRF模型学习词语和前后词性之间的转移概率，从而进行词性标注。 现象: 词性标注的功能包括提供词语的语法角色信息、帮助句法分析和语义分析、辅助信息检索和机器翻译等。准确的词性标注可以提高后续任务的效果和准确性，而不准确的词性标注可能导致信息丢失或错误。评价词性标注系统的指标包括准确性、召回率、速度和适用性等。 变化: 在词性标注中，可以根据具体需求和场景进行不同的组合和流程。例如，在文本分析中，可以将分词和词性标注作为一个流程，先对文本进行分词，然后对分词结果进行词性标注。这样可以更准确地分析文本的语义结构和句法关系。同时，不同的词性标注技术和工具可以根据具体需求进行选择和调整，以达到更好的词性标注效果。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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