机器学习中的名词释义(一)

  1. 人工智能——AI(artificial intelligence)
  2. 机器学习——ML(Machine Learning)
  3. 深度学习——DL(Deep Learning)
  4. 监督学习——Supervised Learning
  5. 无监督学习——Unsupervised Learning
  6. 半监督学习——Semi-supervised Learning
  7. 强化学习——Reinforcement Learning
  8. 集成学习——Ensemble Learning
  9. 知识图谱——Konwledge Representation
  10. 推荐系统——Recommender Systems
  11. 二分类——Binary Classification
  12. 多分类——Multiclass Classification
  13. 回归——Regression
  14. 线性SVM——linear Svms
  15. 逻辑回归——logistic regression
  16. 决策树——decision trees
  17. 随机森林——random forests
  18. 梯度提升树(GBDT)——gradient- boosted trees
  19. 朴素贝叶斯——naive Bayes
  20. 线性最小二乘回归——linear least squares
  21. 套索回归——Lasso
  22. 岭回归——ridge regression
  23. 保序回归——isotonic regression
  24. 大数据生态圈(计算机集群)——hadoop
  25. 分布式存储——HDFS
  26. 计算引擎——MapReduce(基于磁盘读写)
  27. 火花库——spark(基于内存计算)
  28. K均值聚类——K-Means
  29. 高斯混合模型GMM—— Gaussian mixture
  30. LDA——Latent Dirichlet allocation
  31. 决策树的核心算法——C4.5
  32. 分类与回归树——CART
  33. K邻近分类算法——KNN
  34. 贝叶斯模型——NaiveBayes
  35. 支持向量机——SVM
  36. 最大期望算法——EM
  37. 关联规则挖掘算法——Apriorifp-growth
  38. Google搜索重要算法之一——PageRank
  39. 迭代算法——AdaBoost
  40. 数据收集方式——Flume & Kafka
  41. 存储设施——mysql、HDFS、HBase、Kafka、Redis等

你可能感兴趣的:(机器学习算法思想及代码实现,机器学习,基础名词释义)