术语 | term | 详细解释 |
---|---|---|
机器学习 | machine learning | 假设用P来评估计算机程序在某任务类T上的性能,若一个程序通过利用经验E在T中任务上获得了性能改善,则我们就说关于T和P,该程序对E进行了学习。 |
监督学习 | supervised learning | 代表:分类和回归 |
无监督学习 | unsupervised learning | 代表:聚类 |
“泛化”能力 | generalization | 学得模型适用于新样本的能力 |
独立同分布 | independent and identically distributed, i.i.d. | 获得的每个样本都是独立从分布D上采样获得的 |
归纳 | induction | 从特殊到一般的“泛化”过程,即从具体的事实归结出一般性规律 |
演绎 | deduction | 从特殊到一般的“特化”过程,即从具体原理推演出具体状况 |
独立同分布 | independent and identically distributed, i.i.d. | 获得的每个样本都是独立从分布D上采样获得的 |
错误率 | error rate | E = a / m |
精度 | accuracy | 精度 = 1 - 错误率 |
过拟合 | overfitting | 当学习器把训练样本学得“太好”了的时候,很可能已经把训练样本自身的一些特点当做所有潜在样本都会具有的一般性质,这样就会导致泛化性能下降。这种现象在机器学习中成为“过拟合”。 |
机器学习-术语
猜你喜欢
转载自blog.csdn.net/cp_oldy/article/details/81428191
今日推荐
周排行