AI:人工智能概念之机器学习、深度学习中常见关键词、参数等中英文对照(绝对干货)(三)

简介: 本博主基本收集了网上所有有关于ML、DL的中文解释词汇,机器学习、深度学习中常见关键词、参数等中英文对照,如有没有涉及之处,请留言,本博主将持续续修改、更新!圆小白自学ML、DL之梦!

L


initial最初的

implement执行

intuitive凭直觉获知的

incremental增加的

intercept截距

intuitious直觉

instantiation例子

indicator指示物,指示器

interative重复的,迭代的

integral积分

identical相等的;完全相同的

indicate表示,指出

invariance不变性,恒定性

impose把…强加于

intermediate中间的

interpretation解释,翻译


J


joint distribution联合概率


L


lieu替代

logarithmic对数的,用对数表示的

latent潜在的

Leave-one-out cross validation留一法交叉验证

M


magnitude巨大

mapping绘图,制图;映射

matrix矩阵

mutual相互的,共同的

monotonically单调的

minor较小的,次要的

multinomial多项的

multi-class classification二分类问题


N


nasty讨厌的

notation标志,注释

naïve朴素的


O


obtain得到

oscillate摆动

optimization problem最优化问题

objective function目标函数

optimal最理想的

orthogonal(矢量,矩阵等)正交的

orientation方向

ordinary普通的

occasionally偶然的


P


partial derivative偏导数

property性质

proportional成比例的

primal原始的,最初的

permit允许

pseudocode伪代码

permissible可允许的

polynomial多项式

preliminary预备

precision精度

perturbation 不安,扰乱

poist假定,设想

positive semi-definite半正定的

parentheses圆括号

posterior probability后验概率

plementarity补充

pictorially图像的

parameterize确定…的参数

poisson distribution柏松分布

pertinent相关的


Q


quadratic二次的

quantity量,数量;分量

query疑问的


R


regularization使系统化;调整

reoptimize重新优化

restrict限制;限定;约束

reminiscent回忆往事的;提醒的;使人联想…的(of)

remark注意

random variable随机变量

respect考虑

respectively各自的;分别的

redundant过多的;冗余的


S


susceptible敏感的

stochastic可能的;随机的

symmetric对称的

sophisticated复杂的

spurious假的;伪造的

subtract减去;减法器

simultaneously同时发生地;同步地

suffice满足

scarce稀有的,难得的

split分解,分离

subset子集

statistic统计量

successive iteratious连续的迭代

scale标度

sort of有几分的

squares平方


T


trajectory轨迹

temporarily暂时的

terminology专用名词

tolerance容忍;公差

thumb翻阅

threshold阈,临界

theorem定理

tangent正弦


U


unit-length vector单位向量


V


valid有效的,正确的

variance方差

variable变量;变元

vocabulary词汇

valued经估价的;宝贵的


W


wrapper包装



相关文章
|
1月前
|
人工智能 运维 算法
AI来了,运维不慌:教你用人工智能把团队管理提速三倍!
AI来了,运维不慌:教你用人工智能把团队管理提速三倍!
269 8
|
1月前
|
人工智能 搜索推荐 程序员
当AI学会“跨界思考”:多模态模型如何重塑人工智能
当AI学会“跨界思考”:多模态模型如何重塑人工智能
253 120
|
1月前
|
人工智能 并行计算 PyTorch
以Lama Cleaner的AI去水印工具理解人工智能中经常会用到GPU来计算的CUDA是什么? 优雅草-卓伊凡
以Lama Cleaner的AI去水印工具理解人工智能中经常会用到GPU来计算的CUDA是什么? 优雅草-卓伊凡
208 4
|
2月前
|
机器学习/深度学习 数据采集 人工智能
AI能帮我们读懂心事吗?——聊聊人工智能在精神疾病早期诊断中的探索
AI能帮我们读懂心事吗?——聊聊人工智能在精神疾病早期诊断中的探索
102 5
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
拔俗AI人工智能评审管理系统:用技术为决策装上“智能导航”
AI评审系统融合NLP、知识图谱与机器学习,破解传统评审效率低、标准不一难题。通过语义解析、智能推理与风险预判,构建标准化、可复用的智能评审流程,助力项目质量与效率双提升。(238字)
|
1月前
|
机器学习/深度学习 数据采集 人工智能
【机器学习算法篇】K-近邻算法
K近邻(KNN)是一种基于“物以类聚”思想的监督学习算法,通过计算样本间距离,选取最近K个邻居投票决定类别。支持多种距离度量,如欧式、曼哈顿、余弦相似度等,适用于分类与回归任务。结合Scikit-learn可高效实现,需合理选择K值并进行数据预处理,常用于鸢尾花分类等经典案例。(238字)
|
12月前
|
机器学习/深度学习 算法 数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
1149 6
|
6月前
|
机器学习/深度学习 数据采集 人工智能
20分钟掌握机器学习算法指南
在短短20分钟内,从零开始理解主流机器学习算法的工作原理,掌握算法选择策略,并建立对神经网络的直观认识。本文用通俗易懂的语言和生动的比喻,帮助你告别算法选择的困惑,轻松踏入AI的大门。

热门文章

最新文章