机器学习名词解释

已于 2022-03-26 16:58:25 修改
阅读量691 收藏
点赞数
分类专栏： 人工智能 文章标签： 机器学习
于 2022-03-26 16:44:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45320238/article/details/123758744
版权

名词解释

特征选择（归纳偏好）：对瓜的颜色、声响进行选择

奥卡姆剃刀原则：若多个假设（选择）与经验观察一致，则选择最简单的那个

正则化：给过拟合添加一个规则，以正向积极的解决问题

多分类学习：将多分类任务拆分为若干个二分类任务求解

样本不均衡（类别不均衡）：有100个人，如果99个样本癌症，1个样本非癌症 - 样本不均衡。正例多，反例少；过采样、欠采样*（书）*；

whytlok
关注
专栏目录
关于机器学习方面的名词解释
qq_23077585的博客
12-16 1931
整理一些名词解释，方便自己以后查看 机器学习 是一种实现人工智能的方法 机器学习最基本的做法，是使用算法来解析数据，从中学习，然后对真实世界中的时间做出决策和预测 机器学习使用大量的数据来‘训练’，通过各种算法从数据中学习如何完成任务 从学习方法上来分，机器学习算法可以分为：监督学习、无监督学习、半监督学习、集成学习、深度学习和强化学习 深度学习 是一种实现机器学习的技术 深度学习，作为目前...
ROC曲线，AUC指标
cccccccaaaaaaaaa的博客
04-30 326
作用：评判模型到底怎么样 TPR：召回率 auc指标：蓝色曲线面积 当TPR大于FPR则向上倾斜如图 若在红线以下，则AUC等于1-面积：反向预测 np.where三元判断 对比一个例子： 总共有100个人，如果99个样本癌症，1个样本非癌症 - 样本不均衡 不管怎样我全都预测正例(默认癌症为正例) - 不负责任的模型 准确率：99% ...
机器学习常用名词解释
Johnisjohn的博客
05-12 1178
资料来源：百度技术学院视频： http://bit.baidu.com/course/detail/id/137/column/117.html 声明：博主只是将资料中的视频整理为图片，在某些地方稍作编辑，为了方便查阅而已。本文绝大部分的智力产出都来源于视频资料。推荐看视频资料以获得更多内容。 一、模型？ 模型，我的理解，就是函数的输入和输出之间的映射关系。如y=θx 二、模型的能力？...
不能更通俗易懂的机器学习名词解释
weixin_34088598的博客
08-02 665
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，...
机器学习——名词解释集锦
爱吃鱼的树先生的专栏
08-29 4232
一、数理类： 1、先验假设 (Priori Hypothesis)  —— 对一种现象的解释，顾名思义，是基于理论和逻辑，而不是基于实验和观察得出的结论。相反地，后验假设( posterior hypothesis )是基于实验和观察而不是理论和逻辑得出解释。（http://www.ask.com/question/what-is-a-priori-hypothesis） 2、鲁棒性（Rob
机器学习之名词解释
mingyuli的博客
07-22 2553
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，...
机器学习名词术语解释
u014546382的博客
10-21 266
缩写 全拼 解释 CBAM Convolutional Block Attention Moduel 卷积块注意力模块 CAM Channel Attention Module 通道注意力模块 SAM Spartial Attention Module 空间注意力模块 DLA Deep Layer Aggregation 深层聚合 IDA Iterative Deep Aggregation 迭代深度聚合 HDA (Hierarchical Deep Aggregatio...
机器学习基本 之 名词解释
真相很简单
03-19 1530
数据集（data set）：一组用于机器学习的数据的集合 示例（instance）：数据集中的一条数据记录 特征向量（feature vector）：一个示例在数学上的表示 训练数据（trainning data）：使用机器学习用来建立模型的数据 样本空间（sample space）：训练数据中用于作为条件的数据，即预测时的输入值 标记空间（label space）：训练数据中用于作为结果的数据...
机器学习之回归与聚类算法
qq_43537670的博客
09-09 2169
线性回归** （属于回归算法，解决回归问题，即目标值为连续性的数据） 应用场景：房价预测，销售额度预测，贷款额度预测 定义：线性回归（Linear regression）是利用回归方程（函数）对一个或多个自变量（特征值）和因变量（目标值）之间关系进行建模的一种分析方式。 线性关系： 通用公式（线性模型）： h(w) = w1x1 + w2x2 + w3x3 + … + b —自变量一次 x1，x2，x3代表特征值，h(w)为目标值（或者用y来表示），w1，w2，w3为权重值（也叫回归系数），b为偏置。 其中
【机器学习】机器学习中常用到的名词及解释
麦田里的守望者
09-05 1002
1.名词解释 泛化能力：泛化能力（generalization ability）是指机器学习算法对新鲜样本的适应能力。学习的目的是学到隐含在数据背后的规律，对具有同一规律的学习集以外的数据，经过训练的网络也能给出合适的输出，该能力称为泛化能力。 过拟合：过拟合是指为了得到一致假设而使假设变得过度严格。避免过拟合是分类器设计中的一个核心任务。通常采用增大数据量和测试样本集的方法对分类器...
机器学习笔记 - week6 -（十一、机器学习系统的设计）
qq_24428851的博客
09-27 787
值，假设我们使用一种需要大量参数的学习算法，比如有很多特征的逻辑回归或线性回归，或者用带有许多隐藏单元的神经网络，那又是另外一种带有很多参数的学习算法，这些都是非常强大的学习算法，它们有很多参数，这些参数可以拟合非常复杂的函数，因此我要调用这些，我将把这些算法想象成低偏差算法，因为我们能够拟合非常复杂的函数，而且因为我们有非常强大的学习算法，这些学习算法能够拟合非常复杂的函数。于是他们把诸如这样的机器学习问题，当做一类监督学习问题，并尝试将其分类，什么样的词，在一个英文句子特定的位置，才是合适的。
李宏毅机器学习2022-HW8-Anomaly Detection
Tunny_one
09-27 611
李宏毅机器学习2022-HW8-Anomaly Detection
第十四周：机器学习笔记
Zcymatics的博客
09-29 808
本周周报在机器学习的理论内容中，概述了Transformer里面Decoder的内容，其中包括Decoder的结构、autoregressive decoder（自回归解码器）以及non-autoregressive decoder（非自回归解码器），此外还讲述了Transformer 的训练过程，并在最后提供了序列到序列模型训练常用的Tips。在Pytorch代码学习中，本周报详细的讲述了训练模型的一些常用手段和流程，并通过代码实现了包括数据收集、模型搭建、模型训练、结果展示等过程。
大数据分析案例-基于逻辑回归算法构建抑郁非抑郁推文识别模型
最新发布
m0_64336780的博客
10-04 2378
本项目基于逻辑回归算法构建抑郁非抑郁推文识别模型具有重要的研究背景和应用价值。通过该模型的研究和应用，我们可以更好地理解和预测社交媒体中用户的心理健康状况，为抑郁症等心理疾病的防治提供有力的支持。在本次实验中，我们探索了使用不同的机器学习算法——逻辑回归、决策树和XGBoost——来构建抑郁非抑郁推文识别模型。经过严格的模型训练和验证过程，我们对比了三种模型的性能，并发现逻辑回归模型在准确率上达到了91%，超过了决策树和XGBoost模型。因此，我们最终选择了逻辑回归模型作为本次实验的最终模型。
240929-CGAN条件生成对抗网络
weixin_66378701的博客
09-29 828
前面我们学习了GAN（）和DCGAN（），接下来继续来看CGAN（Conditional GAN）条件生成对抗网络。
机器学习和深度学习的区别
dhdjjfhdghh的博客
09-26 1491
深度学习是机器学习的一个子集，它基于人工神经网络的概念，特别是那些具有多个非线性变换的层（即深度）。深度学习模型能够自动从原始数据中提取复杂的特征，而无需人为干预。层次结构：深度学习模型由多个层次的神经元组成，每一层都对输入数据进行转换和抽象，从而捕捉数据的复杂特征。自动特征提取：与传统机器学习方法相比，深度学习能够自动从原始数据中学习特征，减少了对人工特征工程的依赖。计算密集型：深度学习模型通常需要大量的计算资源，包括高性能的GPU，以训练大规模的数据集和复杂的模型结构。代表性模型。
机器学习中池化名词解释
06-23
在机器学习中，池化（Pooling）是一种常用的技术，特别是在卷积神经网络（Convolutional Neural Networks, CNN）中，其目的是为了减少特征图的空间大小、提取局部特征不变性和提高模型的计算效率。池化操作通常会将...
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