ML 术语

• A
  • accuracy 精度
  • activation function 激活函数
• B
  • Bayesian 贝叶斯
• C
  • cross-entropy 交叉熵
• D
• E
• F
• G
• H
  • hidden layer 隐含层
• I
• J
• K
• L
  • logistic regression 逻辑回归模型
• M
• N
  • neuron 神经元
• O
  • overfitting 过拟合
• P
• Q
• R
  • ridge regression(weight decay)
• S
  • [softmax][无对应中文]
• T
• U
• V
• W
• X
• Y
• Z

A

accuracy 精度

对分类预测

accuracy = 分类准确个数 / 总测试数目

对判断型预测

accuracy = (判断为’是’并预测准确的个数 + 判断为’否’并预测准确的个数) / 总测试数目

activation function 激活函数

对输入[数组]进行加权求和, 并对其做一定处理后输出到下一层

B

Bayesian 贝叶斯

C

cross-entropy 交叉熵

D

E

F

G

H

hidden layer 隐含层

除去输入层和输出层, 其间用来对数据进行进一步计算的层

I

J

K

L

logistic regression 逻辑回归模型

使用sigmoid, 常用于二元分类判断, 但是也可用于多元分类[multi-class logistic regression / multinomial regression]

M

N

neuron 神经元

神经网络中的一个节点, 使用activation function[激活函数]进行运算

O

overfitting 过拟合

对数据进行训练时对数据进行了过于精确的处理, 导致训练出的模型仅对训练数据有效, 不具普适性.

P

Q

R

ridge regression(weight decay)

S

softmax [无对应中文]

将一个数组转换成和为1的概率表示, 但是不严格遵循数字间的比例, 而是通过以下计算:

如一系列事件产生的概率比为

[1.0, 2.0, 3.0, 4.0, 1.0, 2.0, 3.0]

如直接按比例转换为和为1的概率, 则为:

[0.0625, 0.125, 0.1875, 0.25, 0.0625, 0.125, 0.1875]

使用softmax计算, 则为:

[0.024, 0.064, 0.175, 0.475, 0.024, 0.064, 0.175]

T

U

V

W

X

Y

Z