机器学习术语200个.txt

A/B 测试 (A/B testing)
准确率 (accuracy)
激活函数 (activation function)
AdaGrad
ROC 曲线下面积 (AUC, Area under the ROC Curve)
反向传播算法 (backpropagation)
基准 (baseline)
批次 (batch)
批次规模 (batch size)
偏差 (bias)
二元分类 (binary classification)
分箱 (binning)
分桶 (bucketing)
校准层 (calibration layer)
候选采样 (candidate sampling)
分类数据 (categorical data)
检查点 (checkpoint)
类别 (class)
分类不平衡的数据集 (class-imbalanced data set)
分类模型 (classification model)
分类阈值 (classification threshold)
协同过滤 (collaborative filtering)
混淆矩阵 (confusion matrix)
连续特征 (continuous feature)
收敛 (convergence)
凸函数 (convex function)
凸优化 (convex optimization)
凸集 (convex set)
成本 (cost)
交叉熵 (cross-entropy)
自定义 Estimator (custom Estimator)
数据集 (data set)
Dataset API (tf.data)
决策边界 (decision boundary)
密集层 (dense layer)
深度模型 (deep model)
密集特征 (dense feature)
衍生特征 (derived feature)
离散特征 (discrete feature)
丢弃正则化 (dropout regularization)
动态模型 (dynamic model)
早停法 (early stopping)
嵌套 (embeddings)
经验风险最小化 (ERM, empirical risk minimization)
集成学习 (ensemble)
周期 (epoch)
Estimator
样本 (example)
假负例 (FN, false negative)
假正例 (FP, false positive)
假正例率（false positive rate, 简称 FP 率）
特征 (feature)
特征列 (FeatureColumns)
特征组合 (feature cross)
特征工程 (feature engineering)
特征集 (feature set)
特征规范 (feature spec)
完整 softmax (full softmax)
全连接层 (fully connected layer)
泛化 (generalization)
广义线性模型 (generalized linear model)
梯度 (gradient)
梯度裁剪 (gradient clipping)
梯度下降法 (gradient descent)
图 (graph)
启发法 (heuristic)
隐藏层 (hidden layer)
合页损失函数 (hinge loss)
维持数据 (holdout data)
超参数 (hyperparameter)
超平面 (hyperplane)
独立同分布 (i.i.d, independently and identically distributed)
推断 (inference)
输入函数 (input function)
输入层 (input layer)
实例 (instance)
可解释性 (interpretability)
评分者间一致性信度 (inter-rater agreement)
迭代 (iteration)
Keras
核支持向量机 (KSVM, Kernel Support Vector Machines)
L1损失函数 (L₁ loss)
L1正则化 (L₁ regularization)
L2损失函数 (L₂ loss)
L2 正则化 (L₂ regularization)
标签 (label)
有标签样本 (labeled example)
lambda
层 (layer)
Layers API (tf.layers)
学习速率 (learning rate)
最小二乘回归 (least squares regression)
线性回归 (linear regression)
逻辑回归 (logistic regression)
对数损失函数 (Log Loss)
损失 (Loss)
机器学习 (machine learning)
均方误差 (MSE, Mean Squared Error)
指标 (metric)
Metrics API (tf.metrics)
小批次 (mini-batch)
小批次随机梯度下降法 (SGD, mini-batch stochastic gradient descent)
ML
模型 (model)
模型训练 (model training)
动量 (Momentum)
多类别分类 (multi-class classification)
多项分类 (multinomial classification)
NaN 陷阱 (NaN trap)
负类别 (negative class)
神经网络 (neural network)
神经元 (neuron)
节点 (node)
标准化 (normalization)
数值数据 (numerical data)
Numpy
目标 (objective)
离线推断 (offline inference)
one-hot 编码 (one-hot encoding)
一对多 (one-vs.-all)
在线推断 (online inference)
操作 (op, Operation)
优化器 (optimizer)
离群值 (outlier)
输出层 (output layer)
过拟合 (overfitting)
Pandas
参数 (parameter)
参数服务器 (PS, Parameter Server)
参数更新 (parameter update)
偏导数 (partial derivative)
分区策略 (partitioning strategy)
性能 (performance)
困惑度 (perplexity)
流水线 (pipeline)
正类别 (positive class)
精确率 (precision)
预测 (prediction)
预测偏差 (prediction bias)
预创建的 Estimator (pre-made Estimator)
预训练模型 (pre-trained model)
先验信念 (prior belief)
队列 (queue)
等级 (rank)
评分者 (rater)
召回率 (recall)
修正线性单元 (ReLU, Rectified Linear Unit)
回归模型 (regression model)
正则化 (regularization)
正则化率 (regularization rate)
表示法 (representation)
受试者工作特征曲线（receiver operating characteristic, 简称 ROC 曲线）
根目录 (root directory)
均方根误差 (RMSE, Root Mean Squared Error)
SavedModel
Saver
缩放 (scaling)
scikit-learn
半监督式学习 (semi-supervised learning)
序列模型 (sequence model)
会话 (session)
S 型函数 (sigmoid function)
softmax
稀疏特征 (sparse feature)
平方合页损失函数 (squared hinge loss)
平方损失函数 (squared loss)
静态模型 (static model)
平稳性 (stationarity)
步 (step)
步长 (step size)
随机梯度下降法 (SGD, stochastic gradient descent)
结构风险最小化 (SRM, structural risk minimization)
总结 (summary)
监督式机器学习 (supervised machine learning)
合成特征 (synthetic feature)
目标 (target)
时态数据 (temporal data)
张量 (Tensor)
张量处理单元 (TPU, Tensor Processing Unit)
张量等级 (Tensor rank)
张量形状 (Tensor shape)
张量大小 (Tensor size)
TensorBoard
TensorFlow
TensorFlow Playground
TensorFlow Serving
测试集 (test set)
tf.Example
时间序列分析 (time series analysis)
训练 (training)
训练集 (training set)
转移学习 (transfer learning)
真负例 (TN, true negative)
真正例 (TP, true positive)
真正例率（true positive rate, 简称 TP 率）
无标签样本 (unlabeled example)
非监督式机器学习 (unsupervised machine learning)
验证集 (validation set)
权重 (weight)
宽度模型 (wide model)