定义：机器学习是人工智能的一个分支领域，主要关于构造和研究可以从数据中学习的系统。
小不忍则乱大谋，不可急功近利，工欲善其事，必先利其器，得能吃苦。
今日上午，阅读了西瓜书的第一章绪论，大致了解了机器学习的一些宏观内容，在下认为，接触一个全新的、完全陌生的’领域，从导读起，先死记硬背记下一些概念，再去理解的效果要比直接上手案例来的更踏实，方法前期虽笨拙，在后续的学习过程中会不断纠正一些概念，通过系统来反思、整理、这些死记硬背的碎片化知识点，有利于掌控宏观，形成 整体性学习 结构，所以，今日先摘取部分关键词与英文单词奉上。想学习的朋友可以去书中或网络中查看相关含义，强行理解，理解不了就算了，记住这个名字，不怕曲解，只要常怀“整体性学习，不断反思”的心，思想就会不断碰撞，贴近真像，加深记忆。
|
中文
|
英文
|
|
机器学习算法
|
Machine learning algorithm
|
|
模型
|
Model
|
|
数据集
|
data set
|
|
示例
|
instance
|
|
样本
|
sample
|
|
属性
|
attribute
|
|
特征
|
feature
|
|
值
|
value
|
|
空间
|
space
|
|
特征向量
|
feature vector
|
|
维数
|
dimensionality
|
|
训练
|
training
|
|
假设
|
hypothesis
|
|
真像
|
ground-truth
|
|
学习器
|
learner
|
|
预测
|
prediction
|
|
标记
|
label
|
|
样例
|
example
|
|
分类
|
classifcation
|
|
二分类
|
binary classifcation
|
|
正类
|
positive class
|
|
反类
|
negative class
|
|
多分类
|
multi-class classifcation
|
|
测试
|
testing
|
|
回归
|
regression
|
|
聚类
|
clustering
|
|
簇
|
cluster
|
|
监督学习
|
supervised learning
|
|
非监督学习
|
unsupervised learning
|
|
未见示例
|
unseen instance
|
|
泛化
|
generalization
|
|
分布
|
distribution
|
|
独立同分布
|
independent and identically distributed
|
|
归纳
|
induction
|
|
演绎
|
deduction
|
|
特化
|
specialization
|
|
概念
|
concept
|
|
版本空间
|
version space
|
|
归纳偏好
|
inductive bias
|
|
奥卡姆剃刀
|
Occarn’s razor
|
|
没有免费午餐定理
|
No Free Luch Theorem
|
----------现代希腊字母表----------
数学盲的福音来了！大多人止步于数学并不是因为公式复杂冗长，而是因为字母不认识，难记，更不想了解所表背后之含义。还是那句话，笨人要想厉害，就吃苦。
经验首页