深度學習英語專業辭彙

深度學習英語辭彙

A

準確率（Accuracy）

激活函數（Activation function）

梯度下降演算法（AdaGrad）

曲線下面積（AUC）

B

反向傳播（Backpropagation）

基線（Baseline）

批量（Batch）

批量大小（Batch size）

偏置（Bias）

二元分類器（Binary classification）

根據值的範圍將一個連續特徵轉換成多個（binning/bucketing）

C

標定層（calibration layer）

候選採樣（candidate sampling）

檢查點（checkpoint）

類別（class）

類別不平衡數據集（class-imbalanced data set）

分類模型（classification）

分類閾值（classification threshold）

混淆矩陣（confusion matrix）

連續特徵（continuous feature）

收斂（convergence）

凸函數（concex function）

成本（cost）

交叉熵（cross-entropy）

D

數據集（data set）

決策邊界（decision boundary）

深度模型（deep model）

密集特徵（dense feature）

派生特徵（derived feature）

離散特徵（discrete feature）

正則化（dropout regularization）動態模型（dynamic model）

E

早期停止法（early stopping）

嵌入（embeddings）

經驗風險最小化（empirical risk minimization，ERM）

集成（ensemble）

評估器（Estimator）

樣本（example）

F

假負類（false negative，FN）

假正類（false positive，FP）

假正類率（false positive rate，FP rate）

特徵（feature）

特徵列（feature columns/FeatureColumn）

特徵交叉（feature cross）

特徵工程（feature engineering）

特徵集（feature set）

特徵定義（feature spec）

G

泛化（generalization）

廣義線性模型（generalized linear model）

梯度（gradient）

梯度截斷（gradient clipping）

梯度下降（gradient descent）

圖（graph）

H

啟發式（heuristic）

隱藏層（hidden layer）

折頁損失函數（Hinge loss）

測試數據（holdout data）

超參數（hyperparameter）

I

獨立同分布（independently and identically distributed，i.i.d）

推斷（inference）

輸入層（input layer）

評分者間一致性（inter-rater agreement）

K

Kernel 支持向量機（Kernel Support Vector Machines/KSVM）

L

L1 損失函數（L1 loss）

L1 正則化（L1 regularization）

L2 損失（L2 loss）

L2 正則化（L2 regularization）

標籤（label）

標註樣本（labeled example）

正則化率的同義詞（lambda）

層（layer）

學習率（learning rate）

最小二乘回歸（least squares regression）

線性回歸（linear regression）

logistic 回歸（logistic regression）

對數損失函數（Log Loss）

M

機器學習（machine learning）

均方誤差（Mean Squared Error/MSE）

小批量（mini-batch）

小批量隨機梯度下降（mini-batch stochastic gradient descent）

模型（model）

模型訓練（model training）

動量（Momentum）

多類別（multi-class）

N

NaN trap（NaN 是「Not a Number」的縮寫）

負類（negative class）

神經網路（neural network）

神經元（neuron）

歸一化（normalization）

Python中提供高效數組運算的開源數學庫（numpy）

O

目標（objective）

離線推斷（offline inference）

one-hot 編碼（one-hot encoding）

一對多（one-vs.-all）

在線推斷（online inference）

運算（Operation/op）

優化器（optimizer）

異常值（outlier）

輸出層（output layer）

過擬合（overfitting）

P

一種基於列的數據分析 API（Pandas）

參數（parameter）

參數伺服器（Parameter Server/PS）

參數更新（parameter update）

偏導數（partial derivative）

分區策略（partitioning strategy）

性能（performance）

困惑度（perplexity）

流程（pipeline）

正類（positive class）

精度（precision）

預測（prediction）

預測偏差（prediction bias）

預製評估器（pre-made Estimator）

預訓練模型（pre-trained model）

先驗信念（prior belief）

R

秩（rank）

評分者（rater）

召回率（recall）

修正線性單元（Rectified Linear Unit/ReLU）

回歸模型（regression model）

正則化（regularization）

正則化率（regularization rate）

受試者工作特徵曲線（receiver operating characteristic/ROC Curve）

根目錄（root directory）

均方根誤差（Root Mean Squared Error/RMSE）

S

負責存儲模型檢查點文件（Saver）

縮放（scaling）

序列模型（sequence model）

會話（session）

Sigmoid函數（sigmoid function）

為多類別分類模型中每個可能的類提供概率的函數（softmax）

稀疏特徵（sparse feature）

平方損失（squared loss）

靜態模型（static model）

穩態（stationarity）

步（step）

步長（step size）

隨機梯度下降（stochastic gradient descent/SGD）

結構風險最小化（structural risk minimization/SRM）

摘要（summary）

監督式機器學習（supervised machine learning）

合成特徵（synthetic feature）

T

張量（tensor）

張量處理單元（Tensor Processing Unit，TPU）

張量形狀（Tensor shape）

張量大小（Tensor size）

大型分散式機器學習平台（TensorFlow）

測試集（test set）

用於描述機器學習模型訓練或推斷的輸入數據（tf.Example）

訓練（training）

訓練集（training set）

真負類（true negative，TN）

真正類（true positive，TP）

真正類率（true positive rate，TP rate）

U

無標籤樣本（unlabeled example）

無監督機器學習（unsupervised machine learning）

V

驗證集（validation set）

W

權重（weight）

寬模型（wide model）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！