相似度度量是估算不同样本之间的相似程度的，常用做分类问题的判断标准。

Sigmoid 函数是一个常见的 S 型函数，也称为 S 型生长曲线。由于其单增以及反函数单增等性质，Sigmoid 函数常被用作神经网络的阈值函数，将变量映射到 0,1 之间。

无人驾驶主要是指自动驾驶汽车，又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人，是无人地面载具的一种，具有传统汽车的运输能力。

再生核 Hilbert 空间（RKHS）是由函数构成的具有再生核的 Hilbert 空间。在希尔伯特空间中，使用 “核技巧” 把一组数据映射到一个高维空间，这个空间就是一个可再生核希尔伯特空间。

正规化是引入附加信息以解决不适定问题或防止过度拟合的过程。

线性修正单元（ReLU）, 又称线性整流函数, 是一种人工神经网络中常用的激活函数（activation function），通常指代以斜坡函数及其变种为代表的非线性函数。

召回率也叫查全率，是检索出的样本数和所有样本数的比率，衡量的是检索系统的查全率。

拟牛顿法是一种以牛顿法为基础的优化方法。主要用来求解非线性方程组或连续函数的零点或极大、极小值问题。

伪标记（PL）是训练模型给未标记数据加入预测标签的操作。

先验概率是指根据以往经验和分析得到的概率。通常即为统计概率。

主成分分析（PCA）是一种分析、简化数据集的技术。是利用降维的思想，把多指标转化为较少的综合指标。 PCA 是最简单的以特征量分析多元统计分布的方法。

预剪枝是剪枝算法中的其中一类。是指在决策树生成之前进行剪枝操作。

正定矩阵是一种所有特征值都大于 0 的对称矩阵。

正类是指在二元分类问题中，期望得到的类别。与之对应的类别称为负类（Positive Class）

相对多数投票法最一种简单的投票方法，通俗的说法是少数服从多数。

性能度量是用于衡量模型泛化能力的评价标准。

序数属性是一种属性，其可能的值之间具有有意义的序或秩评定 ( ranking )，但是相继值之间的差是未知的。具有先后顺序，有大小之分。

一次性学习是指机器通过一次演示后无需事先了解新的环境场景，能在不同环境中重复工作的一种能力。

异策略指生成新样本的策略跟网络更新参数时使用的策略不同。

噪音对比估计（NCE）是一种统计模型估计方法，由 Gutmann 和 Hyv¨arinen 提出，用来解决神经网络的复杂计算问题，在图像处理和自然语言处理应用广泛。

没有免费的午餐（NFL 定理) 是指没有一个学习算法可以在所有领域都产生最准确的学习器。也即针对某一域的问题，所有算法的期望性能是相同的。

牛顿法又称为牛顿-拉弗森方法（Newton-Raphson method），它是一种在实数域和复数域上近似求解方程的方法。是利用函数 f ( x ) 的泰勒级数的前面几项来寻找方程 f ( y ) = 0 的根。

负类是指在二元分类中和正类相对的类别。

自然语言处理是一门交叉学科，涉及到人工智能、语言学、计算机等学科。它探讨的是让计算机去处理自然语言的问题。

相似度度量是估算不同样本之间的相似程度的，常用做分类问题的判断标准。

Sigmoid 函数是一个常见的 S 型函数，也称为 S 型生长曲线。由于其单增以及反函数单增等性质，Sigmoid 函数常被用作神经网络的阈值函数，将变量映射到 0,1 之间。

无人驾驶主要是指自动驾驶汽车，又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人，是无人地面载具的一种，具有传统汽车的运输能力。

再生核 Hilbert 空间（RKHS）是由函数构成的具有再生核的 Hilbert 空间。在希尔伯特空间中，使用 “核技巧” 把一组数据映射到一个高维空间，这个空间就是一个可再生核希尔伯特空间。

正规化是引入附加信息以解决不适定问题或防止过度拟合的过程。

线性修正单元（ReLU）, 又称线性整流函数, 是一种人工神经网络中常用的激活函数（activation function），通常指代以斜坡函数及其变种为代表的非线性函数。

召回率也叫查全率，是检索出的样本数和所有样本数的比率，衡量的是检索系统的查全率。

拟牛顿法是一种以牛顿法为基础的优化方法。主要用来求解非线性方程组或连续函数的零点或极大、极小值问题。

伪标记（PL）是训练模型给未标记数据加入预测标签的操作。

先验概率是指根据以往经验和分析得到的概率。通常即为统计概率。

主成分分析（PCA）是一种分析、简化数据集的技术。是利用降维的思想，把多指标转化为较少的综合指标。 PCA 是最简单的以特征量分析多元统计分布的方法。

预剪枝是剪枝算法中的其中一类。是指在决策树生成之前进行剪枝操作。

正定矩阵是一种所有特征值都大于 0 的对称矩阵。

正类是指在二元分类问题中，期望得到的类别。与之对应的类别称为负类（Positive Class）

相对多数投票法最一种简单的投票方法，通俗的说法是少数服从多数。

性能度量是用于衡量模型泛化能力的评价标准。

序数属性是一种属性，其可能的值之间具有有意义的序或秩评定 ( ranking )，但是相继值之间的差是未知的。具有先后顺序，有大小之分。

一次性学习是指机器通过一次演示后无需事先了解新的环境场景，能在不同环境中重复工作的一种能力。

异策略指生成新样本的策略跟网络更新参数时使用的策略不同。

噪音对比估计（NCE）是一种统计模型估计方法，由 Gutmann 和 Hyv¨arinen 提出，用来解决神经网络的复杂计算问题，在图像处理和自然语言处理应用广泛。

没有免费的午餐（NFL 定理) 是指没有一个学习算法可以在所有领域都产生最准确的学习器。也即针对某一域的问题，所有算法的期望性能是相同的。

牛顿法又称为牛顿-拉弗森方法（Newton-Raphson method），它是一种在实数域和复数域上近似求解方程的方法。是利用函数 f ( x ) 的泰勒级数的前面几项来寻找方程 f ( y ) = 0 的根。

负类是指在二元分类中和正类相对的类别。

自然语言处理是一门交叉学科，涉及到人工智能、语言学、计算机等学科。它探讨的是让计算机去处理自然语言的问题。