百科

预剪枝是剪枝算法中的其中一类。是指在决策树生成之前进行剪枝操作。

正定矩阵是一种所有特征值都大于 0 的对称矩阵。

正类是指在二元分类问题中，期望得到的类别。与之对应的类别称为负类（Positive Class）

相对多数投票法最一种简单的投票方法，通俗的说法是少数服从多数。

性能度量是用于衡量模型泛化能力的评价标准。

序数属性是一种属性，其可能的值之间具有有意义的序或秩评定 ( ranking )，但是相继值之间的差是未知的。具有先后顺序，有大小之分。

一次性学习是指机器通过一次演示后无需事先了解新的环境场景，能在不同环境中重复工作的一种能力。

异策略指生成新样本的策略跟网络更新参数时使用的策略不同。

噪音对比估计（NCE）是一种统计模型估计方法，由 Gutmann 和 Hyv¨arinen 提出，用来解决神经网络的复杂计算问题，在图像处理和自然语言处理应用广泛。

没有免费的午餐（NFL 定理) 是指没有一个学习算法可以在所有领域都产生最准确的学习器。也即针对某一域的问题，所有算法的期望性能是相同的。

牛顿法又称为牛顿-拉弗森方法（Newton-Raphson method），它是一种在实数域和复数域上近似求解方程的方法。是利用函数 f ( x ) 的泰勒级数的前面几项来寻找方程 f ( y ) = 0 的根。

负类是指在二元分类中和正类相对的类别。

自然语言处理是一门交叉学科，涉及到人工智能、语言学、计算机等学科。它探讨的是让计算机去处理自然语言的问题。

无监督学习 是不为训练集提供对应类别标识的学习方法。

样本空间是一个实验或随机试验所有可能结果的集合，而随机试验中的每个可能结果称为样本点。

自组织映射（SOM）或自组织特征映射（SOFM）是一种使用非监督式学习来产生训练样本的输入空间的一个低维（通常是二维）离散化的表示的人工神经网络（ANN）。

循环神经网络是用来处理序列数据的网络模型。它指一个序列当前的输出与前面的输出有关。

线性修正单元（ReLU）, 又称线性整流函数, 是一种人工神经网络中常用的激活函数（activation function），通常指代以斜坡函数及其变种为代表的非线性函数。

自然语言理解（NLU）是通过语法、语义、语用的分析，获取自然语言的语义表示（semantic representation ) 的技术，是 自然语言处理 的重要步骤。

自然语言生成 ( NLG ) 是研究让计算机具有人一样的表达和写作的功能的技术。即能够根据一些关键信息及其在机器内部的表达形式， 经过一个规划过程， 来自动生成一段高质量的自然语言文本。

纳什均衡或叫纳什平衡, 又称为非合作博弈均衡，是博弈论的一个重要策略组合，以经济学家约翰·纳什命名。

命名实体识别（NER）也称作 “专名识别”，是指计算机将文本中的命名实体识别出来的过程。它是一个基本的 NLP（自然语言处理）任务。