百科

调和平均是一种平均数计算方法，其分为简单和加权两种形式，其中加权调和平均数是加权算术平均数的变形。由于大多数情况下，只知道每组某个标志的数值总和 m，而缺少总体单位数 f 的信息，因此不可直接采用加权算术平均数法计算，而 […]

试错法是通过不断尝试来解决问题的一种方法。

松弛变量是应用软间隔方法分类时加入的辅助量。它的引入是为了解决离群点对分类的影响。

随机梯度下降（SGD）是梯度下降算法的一种迭代求解思路。

替代函数是目标函数无法使用或效果不佳时使用的函数。

损失函数是用于衡量、预测模型好坏的度量，其反映了模型预测值与真实值之间的差距，它是经验风险函数的核心部分，也是结构风险函数的组成部分。 常见损失函数 Log 对数损失函数 平方损失函数 指数损失函数 Hinge 损失函数

特征选择是选择特征子集的过程，通常被用于共建模型，其优点主要有以下几点： 简化模型； 缩短训练时间； 改善通用性、降低过拟合 特征选择算法可被看作搜索技术、评价指标的结合，前者提供候选的新特征子集，后者为不同的特征子集打 […]

目标函数是指用设计变量来表示的所追求的目标形式，是设计变量的函数。

强化学习（RL）是机器学习的一个重要分支，是多学科多领域交叉的一个产物，它的本质是解决 decision making 问题，即自动进行决策，并且可以做连续决策。

评分函数是所选模型可用的 “得分” 类型。例如，目标的预测值、预测值的概率或所选目标值的概率。

奇异值分解（SVD）是一种重要的矩阵分解方法，对称阵特征向量分解的基础是谱分析，而奇异值分解则是谱分析理论在任意矩阵上的推广。

软投票也称加权平均概率投票。它是使用输出的类概率来进行分类的投票法，通过输入权重，得到每个类的类概率的加权平均值，值大的那一类会被选择。

谱聚类（SC）是一种基于图论的聚类方法。它将带权无向图划分为两个或两个以上的最优子图，使子图内部尽量相似，而子图间距离尽量距离较远，以达到常见的聚类的目的。

硬间隔是支持向量机中用于选择分割超平面的依据，其是指完全分类准确，不存在损失函数的情况，即损失值为 0，只需找出两个异类正中间的平面，与硬间隔相对的是软间隔。 软间隔指允许一定量的样本分类错误，其中优化函数包括两个部分， […]

平滑是常用的一种数据处理方式。

切分变量是在做空间切分是选择的参考变量。是分类问题中，用来切分以达到最优化分类的一类变量。

支持向量机（SVM）是在分类与回归分析中处理数据的监督式学习方法。

软间隔最大化是以软间隔的方式寻得最优解的优化方法。

迁移学习是运用已有的知识来学习新知识的一个方法。

人工智能亦称机器智能，是指由人制造出来的机器所表现出来的智能，通常人工智能是指通过普通计算机程序来呈现人类智能的技术。 研究课题 当前人工智能的研究方向已经被分成几个子领域，研究人员希望人工智能系统应该具有某些特定能力， […]

过采样是指对训练集里的某类样例增加采样次数以减小类别不平衡。

平均梯度是指灰度变化率的平均值，它被用于表示图像清晰度，这是由于图像的边界或影线两侧附近灰度有明显差异导致的。 它反映了图像微小细节反差变化的速率，即图像多维方向上密度变化的速率，表征图像的相对清晰程度。 平均梯度即图像 […]

潜在语义分析主要是讨论字词背后的关系，而非字典上定义的基础，这种关系基于字词的实际使用环境，并以此作为基本参考。 这种思想源于心理语言学家，他们认为世界上数以百计的语言存在一个共同的机制，由此得出结论，任何人在特定的语言 […]

全局最小是指所有点中最小的那个，相对概念是局部极小，若误差函数只有一个局部极小，那么此时的局部极小就是全局最小，若误差函数存在多个局部极小，则无法保证找的解是全局最小。 找到全局最小的方法 寻找多个局部最小，取其中的最小 […]