术语分享 - 在线管理术语，术语管理，术语提取，标注术语

谷歌机器学习

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