术语分享

谷歌机器学习

更多
电子科技
169
21
谷歌机器学习相关术语
原文 译文
偏置 bias
监督式机器学习 supervised machine learning
交叉熵 cross-entropy
验证集 validation set
流程 pipeline
准确率 accuracy
正则化 dropout
结构风险最小化 structural risk minimization/SRM
数据集 data set
正则化率 lambda
正类 positive class
特征交叉 feature cross
神经网络 neural network
凸函数 concex function
测试数据 holdout data
运算 Operation/op
验证数据集 validation data set
稀疏性/正则化 Ftrl
输出层 output layer
训练集 training set
稳态 stationarity
参数 parameter
离线推断 offline inference
批量大小 batch size
张量大小 Tensor size
rank
稀疏特征 sparse feature
队列 queue
训练 training
L2 正则化 L2 regularization
layer
完全 softmax full softmax
类别不平衡数据集 class-imbalanced data set
标注者间信度 inter-annotator agreement
输入层 input layer
一对多 one-vs.-all
L1 损失函数 L1 loss
模型 model
特征列 feature columns/FeatureColumn
先验信念 prior belief
特征定义 feature spec
预测偏差 prediction bias
假正类 false positive,FP
无标注样本 unlabeled example
性能 performance
评分者 rater
梯度下降 gradient descent
测试数据集 test data set
正则化 regularization
step
合成特征 synthetic feature
过拟合 overfitting
真正类 Ture Positive
无监督机器学习 unsupervised machine learning
折页损失函数 Hinge loss
根目录 root directory
宽模型 wide model
ROC 曲线 ROC curve
真负类 true negative,TN
神经元 neuron
张量处理单元 Tensor Processing Unit,TPU
在线推断 online inference
命名空间 namespace
曲线下面积 AUC
离散特征 discrete feature
混淆矩阵 confusion matrix
模型训练 model training
预测 prediction
动量 Momentum
推断 inference
假正类率 false positive rate,FP rate
检查点 checkpoint
反向传播 Backpropagation
测试集 test set
标定层 calibration layer
派生特征 derived feature
特征集 feature set
偏导数 partial derivative
真正类率 true positive rate,TP rate
假负类 false negative,FN
困惑度 perplexity
graph
随机梯度下降 stochastic gradient descent/SGD
对数损失函数 Log Loss
L1 正则化 L1 regularization
Sigmoid 函数 sigmoid function
会话 session
集成 ensemble
小批量 mini-batch
中文 英文
泛化 generalization
logistic 回归 logistic regression
收敛 convergence
张量 tensor
参数服务器 Parameter Server/PS
动态模型 dynamic model
异常值 outlier
one-hot 编码 one-hot encoding
假正类 False Positives
平方损失 squared loss
宽度模型对照 wide model
Kernel 支持向量机 Kernel Support Vector Machines/KSVM
真正类 true positive,TP
负类 negative class
成本 cost
受试者工作特征曲线 receiver operating characteristic/ROC Curve
基线 Baseline
精度 precision
梯度 gradient
均方误差 Mean Squared Error/MSE
嵌入 embeddings
均方根误差 Root Mean Squared Error/RMSE
启发式 heuristic
密集特征 dense feature
目标 objective
静态模型 static model
L2 损失 L2 loss
分区策略 partitioning strategy
激活函数 Activation function
步长 step size
负强化 negative reinforcement
经验风险最小化 empirical risk minimization,ERM
独立同分布 independently and identically distributed,i.i.d
正则化率 regularization rate
小批量随机梯度下降 mini-batch stochastic gradient descent
特征工程 feature engineering
二元分类器 binary classification
参数更新 parameter update
回归模型 regression model
多类别 multi-class
结构风险最小化 structual risk minimization
权重 weight
召回率 recall
优化器 optimizer
预训练模型 pre-trained model
样本 example
线性回归 linear regression
机器学习 machine learning
分类模型 classification
评估器 Estimator
隐藏层 hidden layer
序列模型 sequence model
广义线性模型 generalized linear model
特征 feature
最小二乘回归 least squares regression
超参数 hyperparameter
无标签样本 unlabeled example
摘要 summary
早期停止法 early stopping
主成分分析 principal component analysis,PCA
决策边界 decision boundary
缩放 scaling
分类阈值 classification threshold
深度模型 deep model
评分者间信度 inter-rater reliability
归一化 normalization
张量形状 Tensor shape
类别 class
学习率 learning rate
梯度截断 gradient clipping
标签 label
标注样本 labeled example
评分者间一致性 inter-rater agreement
候选采样 candidate sampling
修正线性单元 Rectified Linear Unit/ReLU
学习速率 learning rate
预制评估器 pre-made Estimator
调试 debug
连续特征 continuous feature