机器学习中需要掌握的名词

在机器学习中有很多名词出现的频率十分高，如果对这些名词掌握不够的话，我们是很难去深入理解机器学习的知识的。在这篇文章中我们就给大家介绍一下关于机器学习涉及到的专业名词，希望由此来帮助大家巩固机器学习方面的基础。

（1）无监督机器学习就是训练一个模型寻找数据集中的模式。无监督机器学习最常用于将数据分成几组类似的样本。例如，无监督机器学习算法可以根据音乐的各种属性聚类数据。用这种方式收集的数据可以作为其他机器学习算法的输入。聚类在难以获取真正标签的情景中非常有用。无监督机器学习的另一个例子是主成分分析。举一个例子就是将 PCA 应用于包含数百万购物车内容的数据集中时，就有可能发现有柠檬的购物车往往也有解酸剂。可与监督式机器学习对照阅读。

（2）步就是一个批量中的前向和后向评估。

（3）步长就是学习速率乘以偏导数的值，即梯度下降中的步长。

（4）随机梯度下降就是批量大小为 1 的梯度下降算法。也就是说，SGD 依赖于从数据集中随机均匀选择出的一个样本，以评估每一步的梯度。

（5）结构风险最小化中，算法平衡两个目标，第一就是构建预测性最强的模型（如最低损失）。第二就是使模型尽量保持简单（如强正则化）。在训练集上的损失最小化 + 正则化的模型函数就是结构风险最小化算法。

（6）监督式机器学习就是利用输入数据及其对应标签来训练模型。监督式机器学习类似学生通过研究问题和对应答案进行学习。在掌握问题和答案之间的映射之后，学生就可以提供同样主题的新问题的答案了。可与非监督机器学习对照阅读。

（7）宽模型就是线性模型通常具备很多稀疏输入特征。我们称之为宽模型，因其具有大量与输出节点直接连接的输入，是一种特殊类型的神经网络。宽模型通常比深度模型更容易调试和检查。尽管宽模型无法通过隐藏层表达非线性，但它们可以使用特征交叉和 bucketization 等转换用不同方式对非线性建模。可与深度模型对照阅读。

通过对机器学习概念的介绍，相信大家对机器学习的知识有了一定的了解，大家在学习机器学习的时候一定要去了解这些知识，希望这篇文章能够给大家带来实质性的帮助。