术语表

仿射变换

在线性变换基础上加入偏置的变换；许多预测模型的基本形式。

权重 偏置 线性函数

引言 Python 基础 基本数学计算

向量

有序的数值集合；在机器学习中常用一组特征描述对象。

矩阵 范数 点积

引言 Python 基础 基本数学计算

矩阵

由数值组成的表格，便于存储数据集并描述线性变换。

线性代数 张量 乘法

引言 Python 基础 基本数学计算

机器学习

构建系统的方法，使系统能够在数据中发现规律，并将其用于预测或决策。

数据 模型 学习

引言 Python 基础 基本数学计算

范数

衡量向量长度或误差大小的数值指标，可用于比较距离和偏差。

向量 距离 误差

引言 Python 基础 基本数学计算

感知机

最简单的线性分类器，会根据训练样本中的错误更新权重。

SVM 决策边界 权重

引言 预测函数与通用预测理论 感知机与支持向量机（SVM）

特征

输入模型的对象可测量特征。

向量 数据 缩放

引言 基本数学计算 基于统计与概率的学习模型

熵

分布不确定性的度量；结果概率越均匀，熵越高。

概率 KL 散度 交叉熵

基于统计与概率的学习模型

AI 伦理

关于 AI 应用中的风险、公平性、隐私、责任和控制的一组问题。

AGI 风险 责任

预测函数与通用预测理论 人工智能：定义、历史与未来 机器学习中的基本方法与伦理考量

决策树

一种按“如果-那么”规则逐步划分特征空间的模型。

分类 熵 树

基于统计与概率的学习模型 感知机与支持向量机（SVM）

KL 散度

衡量一个概率分布与另一个概率分布差异的指标。

熵 分布 概率

基于统计与概率的学习模型 感知机与支持向量机（SVM）

KNN

一种分类器，会把对象归入最近已知邻居所属的类别。

分类 距离 决策边界

引言 基本数学计算 基于统计与概率的学习模型

朴素贝叶斯

基于贝叶斯定理和特征条件独立假设的概率分类器。

贝叶斯 概率 分类

引言 基本数学计算 基于统计与概率的学习模型

PCA

主成分分析方法，会寻找方差最大的方向并降低数据维度。

SVD 维度 主成分

引言 Python 基础 基本数学计算

SVD

矩阵的奇异值分解，用于提取数据变化的主要方向，也可用于压缩。

PCA 矩阵 压缩

基本数学计算 人工智能：定义、历史与未来

SVM

支持向量机方法，会寻找使类别间隔最大的分隔边界。

间隔 核函数 分类

预测函数与通用预测理论 感知机与支持向量机（SVM）