声明:本份词汇表在不断完善中,如果您有任何修改建议、看法、批评,可在线编辑

A/B testing A/B测试

准确度 accuracy

分类模型能够判断正确的分数。 在多分类中,精度被定义如下: 精度 = 正确数/样本数

在二分类中,精度有如下定义: 精度 = TP+TN/Total

动作 action

在强化学习中, 是agent在环境状态之间转变的机制。 代理通过策略选择动作。

激活函数 activation function

首先它是个函数,例如ReLU或者sigmoid,它吃掉前一层输入的总和,然后生成一个值(一般是非线性的),输出给下一层。

主动学习 active learning

一种训练方法,算法从他学习的数据中,选择其中的一些。在“标记样本”很罕见或者花费昂贵时,主动学习非常有价值。 “主动学习算法”有选择地寻找它需要学习的特定范围的样本,而不是盲目地寻找各种各样的标记示例。

AdaGrad

一个复杂的梯度下降函数,它重新拉伸每个参数的梯度,有效地给与每个参数一个独立的学习率。 完整的解释,看这篇论文

代理 agent

在强化学习中,从环境状态变化中获取的,用策略来最大化预期回报的实体

聚集聚类

看 hierarchical clustering.

AR

增强现实的缩写。

area under the PR curve

看PR AUC

area under the ROC curve

看AUC

人工通用智能 artificial general intelligence

一种非人类的机制,展示了广泛的问题解决能力、创造能力、适应能力。 例如,一个展示出人工通用只能的程序,可以翻译文本,创作交响曲,而且擅长开发尚未被发明的游戏。

人工智能 artificial intelligence

一个非人类的程序或模型,能够解决复杂任务。 例如能够翻译文本,或者能够从放射影像图中识别疾病的程序或模型,都具有人工智能。

正式地来说,机器学习只是人工智能地一个子领域。 然而, 近年来一些组织已经开始互换使用这两个词语。

示例 example

数据集里的一行。 1个示例包含一个或多个特征,而且可能包含标记。 可以看看标记示例和[非标记示例-unlabeled-example]。

特征 feature

被用来作预测的一个输入变量。

预测 predictions

当输入给模型一个示例,模型给的输出。


参考资料