模型（model）：計算機層面的認知
學習演算法（learning algorithm），從資料中產生模型的方法
資料集（data set）：一組記錄的合集
示例（instance）：對於某個物件的描述
樣本（sample）：也叫示例
屬性（attribute）：物件的某方面表現或特徵
特徵（feature）：同屬性
屬性值（attribute value）：屬性上的取值
屬性空間（attribute space）：屬性張成的空間
樣本空間/輸入空間（samplespace）：同屬性空間
特徵向量（feature vector）：在屬性空間裡每個點對應乙個座標向量，把乙個示例稱作特徵向量
維數（dimensionality）：描述樣本引數的個數（也就是空間是幾維的）
學習（learning）/訓練（training）：從資料中學得模型
訓練資料（training data）：訓練過程中用到的資料
訓練樣本（training sample）:訓練用到的每個樣本
訓練集（training set）：訓練樣本組成的集合
假設（hypothesis）：學習模型對應了關於資料的某種潛在規則
真相（ground-truth）:真正存在的潛在規律
學習器（learner）：模型的另一種叫法，把學習演算法在給定資料和引數空間的例項化
**（prediction）：判斷乙個東西的屬性
標記（label）：關於示例的結果資訊，比如我是乙個「好人」。
樣例（example）：擁有標記的示例
標記空間/輸出空間（label space）：所有標記的集合
分類（classification）：**是離散值，比如把人分為好人和壞人之類的學習任務
回歸（regression）：**值是連續值，比如你的好人程度達到了0.9，0.6之類的
二分類（binary classification）：只涉及兩個類別的分類任務
正類（positive class）：二分類裡的乙個
反類（negative class）：二分類裡的另外乙個
多分類（multi-class classification）：涉及多個類別的分類
測試（testing）：學習到模型之後對樣本進行**的過程
測試樣本（testing sample）：被**的樣本
聚類（clustering）：把訓練集中的物件分為若干組
簇（cluster）：每乙個組叫簇
監督學習（supervised learning）：典範--分類和回歸
無監督學習（unsupervised learning）：典範--聚類
未見示例（unseen instance）：「新樣本「，沒訓練過的樣本
泛化（generalization）能力：學得的模型適用於新樣本的能力
分布（distribution）：樣本空間的全體樣本服從的一種規律
獨立同分布（independent and identically distributed，簡稱i,i,d.）:獲得的每個樣本都是獨立地從這個分布上取樣獲得的。
機器學習專業術語
在機器學習方法中，泛化能力通俗來講就是指學習到的模型對未知資料的 能力。在實際情況中，我們通常通過測試誤差來評價學習方法的泛化能力。泛化能力 generalization ability 是指乙個機器學習演算法對於沒有見過的樣本的識別能力。我們也叫做舉一反三的能力，或者叫做學以致用的能力。舉個例子，...
photoshop的專業術語
在學習ps的過程中，經常會遇到一些專業術語，下面我們來對一些ps常用的 並且比較難理解的術語進行簡單講解。上圖中每乙個小方格就是乙個象素點，它記載著影象的各種資訊。上圖中的黑白相間的細線就是選擇區的邊界，對影象的操作只對選擇區內有效。上圖是對不同羽化值選區填充的效果。上圖中是對消除鋸齒和保留鋸齒的選...
AOP中的專業術語介紹
一 aop簡介 aop aspect oriented programming,面向切面程式設計 是一種新的方 是對傳統 oop object oriented programming,物件導向程式設計 的補充。aop 的主要程式設計物件是切面 aspect 而切面是把橫切關注點 模組化 在應用 a...