ML机器学习_名词解释

名词解释

监督学习:supervised learning：

 

监督学习:贝叶斯，决策树，神经网络，SVM

非监督学习：unupervised learning：

 

非监督学习：分级聚类/K mean 聚类；

 

置信风险/期望风险： 分类器对 未知样本进行分类，得到的误差。也叫期望风险。

松弛变量：解决近似可分的问题。

经验风险： 训练好的分类器，对训练样本重新分类得到的误差。即样本误差

结构风险：[置信风险， 经验风险], 如(置信风险 + 经验风险) / 2

经验风险最小化

有序风险最小化

 

标称型：有限目标集中取值，如真假  ，主要用于分类

 

精度

Accuracy

 

错误率

Error rate

 

误差

Error

 

 

精度

Accuracy

 

错误率

Error rate

 

误差

Error

 

训练误差、经验误差

Training error, empirical error

 

 

测试误差

Testing error

 

 

假设检验：

正态分布：

T检验

 

机器学习

Machine learning

 

数据集

Data set

 

示例、样本

Instance，sample

 

属性、特征

Attribute , feature

 

维数

Dimension

 

学习器

Learner

 

分类

Classification

Multi-classification

Binary classification

 

 

回归

Regression

 

 

VC维：研究学习过程一致收敛的速度和推广性；VC维反映了函数集的学习能力，VC维越大则学习机器越复杂（容量越大）

泛化能力:Generalization ，模型适用于新样本的能力

 

 

分布

Distribution

 

 

归纳

Induction

演绎

Deduction

 

过拟合：建模过于具体化，特别特征过多的纳入模型

Over fitting

 

欠拟合：缺少通性

Under fitting

 

聚类

Clustering

簇

Cluster

转载于:https://www.cnblogs.com/albertzz1987/p/6458601.html