欠拟合 是指在模型对训练数据拟合度差的情形。通常用在模型学习和泛化能力的评估上。

定义 分类器是在已有数据基础上构造出一个分类模型，该模型能够把数据库中的数据记录映射到给定类别中的某一个，从而应用于数据预测。 分类器的构造和实施 分类器的构造和实施大体会经过以下几个步骤： 选定样本（包含正样本和负样本 […]

权重是一个相对的概念，是针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。

欠采样 是抛弃一些样本来缓解类不平衡的方法。即对训练集里面样本数量较多的类别（多数类）进行适当的少采样。

软间隔是用来处理线性不可分问题及减少噪点影响的一种方法。软间隔是允许分类时存在一些错误点的做法。

径向基函数（RBF）是沿径向对称的标量函数。通常定义为空间中任一点 X 到某一中心 X_c 之间距离的单调函数。可记作 K ( || X – X _c || ), 其作用往往是局部的 , 即当 X 远离 X_c 时函数取值很小。

量子计算是基于量子效应的新型计算方式，基本原理是以量子位作为信息编码和存储单元，通过大量量子位的受控演化来完成计算任务。 量子计算和传统计算的对比 (1) 信息表达 传统计算中，计算机运行的单位是取值为 0 或 1 的比 […]

量子计算机是一种使用量子逻辑进行通用计算的设备。是量子计算的具体实现形式

量子神经网络（QNN）是由若干个量子神经元按一定的拓扑结构构成的网络。

鲁棒性是指一个计算机系统在执行过程中处理错误，以及算法在遭遇输入、运算等异常时继续正常运行的能力。

监督学习是输出与输入存在联系的一种机器学习方法。可以由训练资料中学到或建立一个模式，并依此模式推测新的实例。

结构风险是对经验风险和期望风险的折中，在经验风险函数后面加一个正则化项（惩罚项），得到结构分险。

结构风险最小化（SRM）是机器学习中的一个归纳原理。常作为防止过拟合的一个策略。

挤压函数是把较大范围的输入挤压到较小的区间的函数。经常用来做激活函数。

加权投票法是一种计入权重的投票方法。

近邻成分分析（NCA）是一种与 KNN（K 近邻）相关联的距离测度学习方法，属于监督式学习方法。最早是 2004 年由 Goldberger 等人提出。

类内散度矩阵是表示各样本点围绕均指的散布情况。

可理解性指事物的易理解度，主要是读者容易轻松理解。

极性检测是对自然语言中的文本做情感极性分类是被的一个过程。

激励函数是一种动力学原则，通常被用于神经网络模型中，该函数定义神经元如何根据其他神经元的活动来改变自己的激励值。 一般激励函数依赖于网络中的权重，其可引入非线性因素，通常被用于解决不可用线性方程解决的问题。

解析树也称作具体语法树，是语法分析结果的一种表现形式，以树状表示语言的语法结构。

结构是一种神经网络拓扑关系图的展示方法，其通常被用于神经网络领域。 在神经网络中，变量可以是神经元连接的权重和激励值。

解析梯度是指在神经网络算法中，使用反向传播计算目标函数关于每个参数的梯度。

近似或是逼近是指一个事物和另一事物类似，但不是完全相同。

欠拟合 是指在模型对训练数据拟合度差的情形。通常用在模型学习和泛化能力的评估上。

定义 分类器是在已有数据基础上构造出一个分类模型，该模型能够把数据库中的数据记录映射到给定类别中的某一个，从而应用于数据预测。 分类器的构造和实施 分类器的构造和实施大体会经过以下几个步骤： 选定样本（包含正样本和负样本 […]

权重是一个相对的概念，是针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。

欠采样 是抛弃一些样本来缓解类不平衡的方法。即对训练集里面样本数量较多的类别（多数类）进行适当的少采样。

软间隔是用来处理线性不可分问题及减少噪点影响的一种方法。软间隔是允许分类时存在一些错误点的做法。

径向基函数（RBF）是沿径向对称的标量函数。通常定义为空间中任一点 X 到某一中心 X_c 之间距离的单调函数。可记作 K ( || X – X _c || ), 其作用往往是局部的 , 即当 X 远离 X_c 时函数取值很小。

量子计算是基于量子效应的新型计算方式，基本原理是以量子位作为信息编码和存储单元，通过大量量子位的受控演化来完成计算任务。 量子计算和传统计算的对比 (1) 信息表达 传统计算中，计算机运行的单位是取值为 0 或 1 的比 […]

量子计算机是一种使用量子逻辑进行通用计算的设备。是量子计算的具体实现形式

量子神经网络（QNN）是由若干个量子神经元按一定的拓扑结构构成的网络。

鲁棒性是指一个计算机系统在执行过程中处理错误，以及算法在遭遇输入、运算等异常时继续正常运行的能力。

监督学习是输出与输入存在联系的一种机器学习方法。可以由训练资料中学到或建立一个模式，并依此模式推测新的实例。

结构风险是对经验风险和期望风险的折中，在经验风险函数后面加一个正则化项（惩罚项），得到结构分险。

结构风险最小化（SRM）是机器学习中的一个归纳原理。常作为防止过拟合的一个策略。

挤压函数是把较大范围的输入挤压到较小的区间的函数。经常用来做激活函数。

加权投票法是一种计入权重的投票方法。

近邻成分分析（NCA）是一种与 KNN（K 近邻）相关联的距离测度学习方法，属于监督式学习方法。最早是 2004 年由 Goldberger 等人提出。

类内散度矩阵是表示各样本点围绕均指的散布情况。

可理解性指事物的易理解度，主要是读者容易轻松理解。

极性检测是对自然语言中的文本做情感极性分类是被的一个过程。

激励函数是一种动力学原则，通常被用于神经网络模型中，该函数定义神经元如何根据其他神经元的活动来改变自己的激励值。 一般激励函数依赖于网络中的权重，其可引入非线性因素，通常被用于解决不可用线性方程解决的问题。

解析树也称作具体语法树，是语法分析结果的一种表现形式，以树状表示语言的语法结构。

结构是一种神经网络拓扑关系图的展示方法，其通常被用于神经网络领域。 在神经网络中，变量可以是神经元连接的权重和激励值。

解析梯度是指在神经网络算法中，使用反向传播计算目标函数关于每个参数的梯度。

近似或是逼近是指一个事物和另一事物类似，但不是完全相同。