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。

重采样法是指从原始数据样本中提取重复样本。这是一种统计推断的非参数方法。即重采样不使用通用分布来逼近地计算概率 p 的值。

残差映射是构建残差网络依据的对应关系，常见的表现形式为 H ( x ) = F( x ) + x ，其中 F ( x ) 为残差函数。

池化也叫空间池化，是卷积神经网络中用来提取特征的一种方法，

计算机视觉是一门研究如何使机器「看」的科学，进一步说便是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等，并用计算机将图像处理成为更适合人眼观察或传送给仪器检测的图像的一门学科。 定义 计算机视觉是使用计算机及相关 […]

计算语言学是一门通过数学模型来分析、处理自然语言，并在计算机上用程序来实现分析和处理的过程，从而达到以机器来模拟人的部分乃至全部语言能力的学科。 基本内容 计算语言学可按其工作性质和复杂程度分为以下 3 类： 自动编排： […]

特征分解，它是将矩阵分解为由特征值和特征向量表示矩阵之积的方法，但只有可对角化矩阵才能进行特征分解。 特征值可以看做是特征向量的长度在线性变化下的缩放比例，如果特征值为正，则表示 $latex v $经过线性变换的作用后 […]

反向传播的定义 反向传播是「误差反向传播」的简称，是一种与最优化方法结合使用的，用来训练人工神经网络的常见方法，该方法对网络中所有权重计算损失函数的梯度。 这个梯度会反馈给最优化方法，用来更新权值，从而最小化损失函数。 […]

通过时间的反向传播是应用于循环神经网络（RNN）的反向传播算法。 BPTT 可被看作是应用于 RNN 的标准反向传播算法，其中的每一个时间步骤都代表一个计算层，而且它的参数是跨计算层共享的。 因为 RNN 在所有的时间步 […]

一般的基学习器可以由 Logistic 回归，决策树，SVM，神经网络，贝叶斯分类器，K-近邻等构成。 如果个体学习器是从同种学习算法从训练数据中产生，则可称为同质集成，此时的个体学习器也称作基学习器；集成也可以包含不同 […]

定义 假定 x 是一个连续随机变量，其分布取决于类别状态，表示成 p(x|ω) 的形式，这就是「类条件概率」函数，即类别状态为ω时的 x 的概率函数。 类条件概率函数 $latex P\left(X | w_{i}\ri […]

CART 是在给定输入随机变量 X 条件下输出随机变量 Y 的条件概率分布的学习方法。 定义 ​CART 假设决策树是二叉树，内部结点特征的取值为「是」和「否」，左分支是取值为「是」的分支，右分支是取值为「否」的分支。这 […]

类别不平衡是一种二元分类问题，在此类问题中，两种类别的标签在出现频率方面具有很大的差距。 例如，在某个疾病数据集中，0.0001 的样本具有正类别标签，0.9999 的样本具有负类别标签，这就属于分类不平衡问题；但在某个 […]

闭式是指一些严格的公式，这个公式中给出任意的自变量就可以求出因变量，即问题的解，这是一种包含分式、三角函数、指数、对数甚至无限级数等基本函数的解的形式。  用于求得相关解的方法又被称为解析法，这是一种常见的微积 […]

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。

重采样法是指从原始数据样本中提取重复样本。这是一种统计推断的非参数方法。即重采样不使用通用分布来逼近地计算概率 p 的值。

残差映射是构建残差网络依据的对应关系，常见的表现形式为 H ( x ) = F( x ) + x ，其中 F ( x ) 为残差函数。

池化也叫空间池化，是卷积神经网络中用来提取特征的一种方法，

计算机视觉是一门研究如何使机器「看」的科学，进一步说便是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等，并用计算机将图像处理成为更适合人眼观察或传送给仪器检测的图像的一门学科。 定义 计算机视觉是使用计算机及相关 […]

计算语言学是一门通过数学模型来分析、处理自然语言，并在计算机上用程序来实现分析和处理的过程，从而达到以机器来模拟人的部分乃至全部语言能力的学科。 基本内容 计算语言学可按其工作性质和复杂程度分为以下 3 类： 自动编排： […]

特征分解，它是将矩阵分解为由特征值和特征向量表示矩阵之积的方法，但只有可对角化矩阵才能进行特征分解。 特征值可以看做是特征向量的长度在线性变化下的缩放比例，如果特征值为正，则表示 $latex v $经过线性变换的作用后 […]

反向传播的定义 反向传播是「误差反向传播」的简称，是一种与最优化方法结合使用的，用来训练人工神经网络的常见方法，该方法对网络中所有权重计算损失函数的梯度。 这个梯度会反馈给最优化方法，用来更新权值，从而最小化损失函数。 […]

通过时间的反向传播是应用于循环神经网络（RNN）的反向传播算法。 BPTT 可被看作是应用于 RNN 的标准反向传播算法，其中的每一个时间步骤都代表一个计算层，而且它的参数是跨计算层共享的。 因为 RNN 在所有的时间步 […]

一般的基学习器可以由 Logistic 回归，决策树，SVM，神经网络，贝叶斯分类器，K-近邻等构成。 如果个体学习器是从同种学习算法从训练数据中产生，则可称为同质集成，此时的个体学习器也称作基学习器；集成也可以包含不同 […]

定义 假定 x 是一个连续随机变量，其分布取决于类别状态，表示成 p(x|ω) 的形式，这就是「类条件概率」函数，即类别状态为ω时的 x 的概率函数。 类条件概率函数 $latex P\left(X | w_{i}\ri […]

CART 是在给定输入随机变量 X 条件下输出随机变量 Y 的条件概率分布的学习方法。 定义 ​CART 假设决策树是二叉树，内部结点特征的取值为「是」和「否」，左分支是取值为「是」的分支，右分支是取值为「否」的分支。这 […]

类别不平衡是一种二元分类问题，在此类问题中，两种类别的标签在出现频率方面具有很大的差距。 例如，在某个疾病数据集中，0.0001 的样本具有正类别标签，0.9999 的样本具有负类别标签，这就属于分类不平衡问题；但在某个 […]

闭式是指一些严格的公式，这个公式中给出任意的自变量就可以求出因变量，即问题的解，这是一种包含分式、三角函数、指数、对数甚至无限级数等基本函数的解的形式。  用于求得相关解的方法又被称为解析法，这是一种常见的微积 […]