机器学习及隐私相关的术语和符号标记

梯度下降（Gradient Descent）

损失函数（Loss Function）

对率损失（Logistic Loss）

数据集（data set）：一组数据记录的集合

示例（instance）or 样本（sample）：每条记录关于一个事件或一个对象的描述

属性（attribute） or 特征（feature）：反映事件或对象在某方面的表现或性质的事项

属性值（attribute value）：属性上的取值

属性空间（attribute space）or 样本空间（sample space） or 输入空间：属性张成的空间

特征向量（feature vector）

维数（dimensionality）

学习（learning）

训练（training）

训练数据（training data）

训练样本（training sample）

训练集（training set）

假设（hypothesis）

真相 or 真实 （ground-truth）

学习器（learner）

预测（prediction）

标记（label）

样例（example）

标记空间（lable space）

分类（classification）

回归（regression）

二分类（binary classification）

正类（positive class）

反类（negative class）

多分类（multi-class classification）

测试(testing)

测试样本（testing sample）

聚类(clustering)

簇（cluster）

监督学习（supervised learning）

无监督学习（unsupervised learning）

泛化（generalization）

分布(distribution)

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

归纳（induction）

演绎（deduction）：如数学公式的推导

特化（specialization）

归纳学习（inductive learning）

概念（concept）

匹配（fit）

版本空间（version space）

归纳偏好 or 偏好 （inductive bias）

特征选择（feature selection）

奥卡姆剃刀（Occam‘s razor）