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