百科

参数估计是指用样本指标估计总体指标。具体是用样本均数估计总体均数或用样本率估计总体率。

词性标注（POS tagging ) 是将对句子中的词语进行分类标注的过程。是依据字词在句法结构或语言形态上承担的成分，通过词性分类赋予每个词的词性标记的过程。

半朴素贝叶斯分类器是考虑一部分属性间的相互依赖关系下的分类方式，是朴素贝叶斯分类器特征相互独立难以满足时的一种放松策略。

半监督学习是介于监督学习和无监督学习之间的学习技术。它同时利用有标记样本与无标记样本进行学习。

鞍点是指不是局部极值点的驻点。

版本空间 是概念学习中与已知数据集一致的所有假设的子集，通常用于对内容进行收敛。

词义消歧（WSD）即在词语层次上的语义消歧。

残差网络（ResNet）是在简单网络的基础上，插入了快捷连接，将网络转化为其对应的残差版本。残差网络并不直接拟合目标，而是拟合残差。

表示定理是统计学习中的一个定理，表明在再生核 Hilbert 空间上定义的正则化风险函数的最小值，可以表示为在训练集数据中的输入点上的线性组合。

半监督支持向量机（S3VM ) 是支持向量机在半监督学习上的推广。

词嵌入是自然语言处理（NLP）中语言模型与表征学习技术的统称。

词义消歧（WSD）即在词语层次上的语义消歧。它是一个自然语言处理和本体论的开放问题。 歧义与消歧是自然语言理解中最核心的问题，在词义、句义、篇章含义层次都会出现语言根据上下文语义不同的现象，消歧即指根据上下文确定对象语义的过程。

标记化也称词汇分析，是将字符（例如在计算机程序或网页中）转换成标记（具有指定且因此标识的含义的字符串）的过程。

变分推断是利用已知分布通过调整使其符合我们需要却难以用公式表达的分布

参考模型是指被用于作为基准和对比的模型，在结构化信息标准促进组织的定义中，它被用于理解某些环境中实体之间的重要关系，以及用于开发支持该环境的一般标准或规范框架。 概念 摘要：参考模型被用于提供有关某种环境的信息，以及描述 […]

重赋权法是指在训练过程的每一轮中，根据样本分布为每个训练样本重新赋予一个权重。

边缘分布指在概率论和统计学的多维随机变量中，只包含部分变量的概率分布。 定义 假设有一个和两个变量相关的概率分布： $latex P(x, y) $ 关于其中一个特定变量的边缘分布则为给定其他变量的条件概率分布：$lat […]

边缘化是基于变量发现另一变量的方法，它通过对变量的可能值求和以判定另一个变量的边缘贡献，这个定义相对抽象，下面便使用相关案例进行描述。 假设需要了解天气对幸福指数的影响程度，便可以用 P（幸福|天气）来表示，即给定天气类 […]

层次聚类是一类算法的总成，即通过从下往上不断合并或者从上往下不断分裂以形成嵌套的簇，这种层次的类通过「树状图」来表示，而 Agglomerative Clustering 算法便是其中之一。 层次聚类试图在不同的「层次」[…]

博弈论又称对策论、赛局理论等，既是现代数学的一个新分支，也是运筹学的一个重要学科。主要研究激励结构间的相互作用，其考虑游戏中个体的预测行为和实际行为，并研究相关优化策略。 博弈行为是指具有竞争或对抗性质的行为，在这类行为 […]

超限学习机是机器学习领域的一种神经网络模型，它可以被用于求解单隐层前馈神经网络。 不同于传统的前馈神经网络（如 BP 神经网络）需要人为设置大量的训练参数，超限学习算法只需要设定网络结构，无需设置其他参数，因此具有简单易 […]

错误率是指在预测中，预测错误所占的比例，计算公式一般是：1 – 准确度（%）训练完成的模型，一般可以被用于测定某一模型在数据集中的错误率，其中有三个数很重要： Bayes Optimal Error：理想的 […]

查准率是用于信息检索和统计分类中的一个度量值。指提取出的正确样本，相对于提取数量的比值。

表征学习又称表示学习，是利用机器学习技术自动获取每一个实体或者关系的向量化表达，以便在构建分类器或其他预测变量时更易提取有用信息。