前言
机器学习会用到很多领域的技术,包括计算机科学、统计学和数学,因此在关于机器学习的讨论中会使用各种各样的术语,这里挑选几个比较常见和基本的加以简单介绍。
开始啦
- 观察值(observation)
我们观察到的单个单位——例如,一个人、一次销售或一条记录。 - 学习算法(learning algorithm)
用来学习模型的最佳参数的算法——例如,线性回归、朴素贝叶斯或决策树。 - 模型(model)
学习算法的输出。学习算法训练出来的模型可以用来做预测。 - 参数(parameter)
一个模型在训练过程中学到的权重或系数。 - 超参数(hyperparameter)
一个学习算法在训练前需要设置的一组参数。 - 性能(performance)
用来评估模型的指标。 - 损失(loss)
一个需要在训练中最小化或最大化的指标。 - 训练(train)
使用类似梯度下降之类的数学方法将一个学习算法应用到数据上。 - 拟合(fit)
使用分析方法将一个机器学习算法应用到数据上。 - 数据(data)
一组观察值。