資料集：樣本的集合
特徵：反映物體特性的事項
屬性：對樣本的具體描述
維數：特徵的種類個數
樣本空間：在維數空間中找到描述每個樣本的唯一位置
特徵向量：每個樣本的全部特徵
標籤：表示每乙個樣本的所屬型別
學習或訓練：從資料中獲得模型的過程
訓練資料：在訓練過程中所使用的資料集
訓練樣本：訓練資料中的每乙個樣本
訓練集：訓練樣本組成的集合
假設：找到資料中存在的某種潛在的規律
實際輸出：當學習演算法學習到某種經驗以後會對輸入的資料做出乙個判斷
目標輸出：做出正確的判斷
**：學習演算法f利用資料x給出實際輸出o的過程抽象為數學表示式，這個過程稱為** o=f(x)
損失函式(代價函式)：度量實際輸出與目標輸出之前的偏差來量化學習模型的效果
迭代：計算機反覆學習的過程
迭代次數：反覆學習的次數
測試集：用於測試的資料集
過擬合：模型在訓練集上表現的很好而在測試集上表現的很糟
欠擬合：在測試集上的表現比在訓練集上的表現要好
泛化能力(魯棒性)：經過訓練的模型對具有同一規律的學習集以外的資料也能給出合適的輸出。
遷移學習：將以前學到的知識應用於解決新的問題，能夠更快地解決問題或去的更好的效果
監督學習：有標籤資料的學習，其代表為分類與回歸
非監督學習：沒有標籤資料的學習，其代表為聚類
聚類：訓練集中的樣本自發的分為若干組
深度學習筆記之一些基本術語
不多說，直接上乾貨！前言 最近打算稍微系統的學習下deep learing的一些理論知識，打算採用andrew ng的網頁教程ufldl tutorial，據說這個教程寫得淺顯易懂，也不太長。不過在這這之前還是複習下machine learning的基礎知識，見網頁 內容其實很短，每小節就那麼幾分鐘...
（深度學習）目標檢測常見術語
簡言之就是基於深度學習目標檢測中提前預設的一組不同尺度不同位置的固定參考框。這個anchor在faster rcnn上面也叫reference boxes，也就是參考框。1.傳統目標檢測 金字塔多尺度 遍歷滑窗的方式，逐尺度逐位置判斷 這個尺度的這個位置處有沒有認識的目標 非常笨重耗時。2.基於深度...
機器學習 深度學習概念術語的理解
neuron nerve cell，神經細胞的別稱 描述 descriptive 則被稱為 unsupervised learning，也稱為知識發現 knowledge discovery 可見節點，不可見結點 什麼是end to end神經網路？端到端，更直觀地說，對應著輸入到輸出 輸入層到輸出...