名词解释
监督学习:supervised learning：
监督学习:贝叶斯，决策树，神经网络，SVM
非监督学习：unupervised learning：
非监督学习：分级聚类/K mean 聚类；
置信风险/期望风险： 分类器对 未知样本进行分类，得到的误差。也叫期望风险。
松弛变量：解决近似可分的问题。
经验风险： 训练好的分类器，对训练样本重新分类得到的误差。即样本误差
结构风险：[置信风险， 经验风险], 如(置信风险 + 经验风险) / 2
经验风险最小化
有序风险最小化
标称型：有限目标集中取值，如真假 ，主要用于分类
精度
Accuracy
错误率
Error rate
误差
Error
精度
Accuracy
错误率
Error rate
误差
Error
训练误差、经验误差
Training error, empirical error
测试误差
Testing error
假设检验：
正态分布：
T检验
机器学习
Machine learning
数据集
Data set
示例、样本
Instance，sample
属性、特征
Attribute , feature
维数
Dimension
学习器
Learner
分类
Classification
Multi-classification
Binary classification
回归
Regression
VC维：研究学习过程一致收敛的速度和推广性；VC维反映了函数集的学习能力，VC维越大则学习机器越复杂（容量越大）
泛化能力:Generalization ，模型适用于新样本的能力
分布
Distribution
归纳
Induction
演绎
Deduction
过拟合：建模过于具体化，特别特征过多的纳入模型
Over fitting
欠拟合：缺少通性
Under fitting
聚类
Clustering
簇
Cluster