斜决策树也称为多变量决策树。是节点使用多个属性的线性表达式来作为评判标准的决策树。

无序属性是指属性之间不能按顺序排列的情况。

限定等距性（RIP）是处理稀疏向量等问题时，用来描述近标准正交矩阵关系的一种性质。

训练例是指在训练过程中被标记用来训练的实例.

支持向量展式是模型最优解通过训练样本的核函数的展开式。

稀疏性是指 0 元素所占的比重大的一种情形。

状态特征函数是定义在节点上的特征函数，依赖于当前位置。

真正率（TPR）是正样本预测结果数相对于正样本实际数的比例。

真正类是指二分类问题中被正确判断为正类的那些样本。

真负类（TN）是指二分类问题中被正确判断为负类的那些样本。

直推学习是一种通过观察特定的训练样本，进而预测特定的测试样本的方法。

阈值移动是指根据实际情况调整划分类别的的阈值。常用来解决类别不平衡问题。

阈值逻辑单元（TLU）是构成神经网络的基本单元。

阈值又叫临界值或门槛值。是令对象发生某种变化所需的某种条件的值，在学术研究中是常用语。

最小二乘法是一种数学优化方法。它通过最小化误差的平方和寻找数据的最佳函数匹配。

张量是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数。

Wasserstein  生成对抗网络具有几个优点： 解决 GAN 训练不稳定的问题，无需小心平衡生成器和判别器的训练程度； 基本解决 Collapse Mode 问题，确保生成样本的多样性； 训练过程中存在像交叉熵、准 […]

维特比算法是一种动态规划算法。

VC 维用来度量二分类器的容量。

子空间一般也称为线性子空间或向量子空间，是向量空间的一个子集。

稀疏表达的意义在于降维，且这个降维并不局限于节省空间，稀疏表达后的特征向量各维之间的依赖性变低，更为独立。

稳定性-可塑性困境是人工和生物神经系统的一个约束。

语音识别是实现计算机识别自然语言的技术。其目标是计算机把人类的语音内容转换为相应的文字。

模拟退火是一种通用概率算法，常用来在一定时间内寻找在一个很大搜寻空间中的近似最优解。

斜决策树也称为多变量决策树。是节点使用多个属性的线性表达式来作为评判标准的决策树。

无序属性是指属性之间不能按顺序排列的情况。

限定等距性（RIP）是处理稀疏向量等问题时，用来描述近标准正交矩阵关系的一种性质。

训练例是指在训练过程中被标记用来训练的实例.

支持向量展式是模型最优解通过训练样本的核函数的展开式。

稀疏性是指 0 元素所占的比重大的一种情形。

状态特征函数是定义在节点上的特征函数，依赖于当前位置。

真正率（TPR）是正样本预测结果数相对于正样本实际数的比例。

真正类是指二分类问题中被正确判断为正类的那些样本。

真负类（TN）是指二分类问题中被正确判断为负类的那些样本。

直推学习是一种通过观察特定的训练样本，进而预测特定的测试样本的方法。

阈值移动是指根据实际情况调整划分类别的的阈值。常用来解决类别不平衡问题。

阈值逻辑单元（TLU）是构成神经网络的基本单元。

阈值又叫临界值或门槛值。是令对象发生某种变化所需的某种条件的值，在学术研究中是常用语。

最小二乘法是一种数学优化方法。它通过最小化误差的平方和寻找数据的最佳函数匹配。

张量是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数。

Wasserstein  生成对抗网络具有几个优点： 解决 GAN 训练不稳定的问题，无需小心平衡生成器和判别器的训练程度； 基本解决 Collapse Mode 问题，确保生成样本的多样性； 训练过程中存在像交叉熵、准 […]

维特比算法是一种动态规划算法。

VC 维用来度量二分类器的容量。

子空间一般也称为线性子空间或向量子空间，是向量空间的一个子集。

稀疏表达的意义在于降维，且这个降维并不局限于节省空间，稀疏表达后的特征向量各维之间的依赖性变低，更为独立。

稳定性-可塑性困境是人工和生物神经系统的一个约束。

语音识别是实现计算机识别自然语言的技术。其目标是计算机把人类的语音内容转换为相应的文字。

模拟退火是一种通用概率算法，常用来在一定时间内寻找在一个很大搜寻空间中的近似最优解。