无监督术语解释

1.KNN异常检测算法

KNN：异常点是指远离大部分正常点的样本点，只需要依次计算每个样本与它最近的K个样本的平均距离，再利用计算的距离与阈值进行比较，如果大于阈值，则认为是异常点。KNN不适合高位数据，只能找到异常点，无法找到异常簇，每一次计算紧邻距离都需要遍历整个数据集。

异常检测过程：

1. 计算当前点与数据集中每个点的距离

2. 按照距离递增次序排序

3. 选取与当前点距离最小的k个点

4. 计算当前点与K个邻居的距离，并取均值、或者中值、最大值三个中的一个作为异常值

【机器学习】一文详解异常检测算法：KNN_Python数据挖掘的博客-CSDN博客_knn异常检测

高维数据：低维度的不断向上嵌套，使用索引找到具体的某条数据，其中每一个条件就是一个axis（轴）。

动手深度学习——高维理解及卷积神经网络_rmr211的博客-CSDN博客_高维神经网络

2. 预训练

使用尽可能多的训练数据，从中提取出尽可能多的共性特征，让模型对特定任务的学习负担变轻。

预训练是什么意思_程序猿小米的博客-CSDN博客_预训练

3.欧几里得度量

        又称作欧几里得距离，指的是欧几里得空间中两点间“普通”（即直线）距离，使用这个距离，欧式空间成为度量空间。 

        欧式距离变换是指对于一张二值图像（白色为前景色，黑色为背景色），前景中的像素的值转化为该点到达最近的背景点的距离。

4.欧几里得空间        欧几里得空间就是在对现实空间的规则抽象和推广，欧几里得几何就是平面几何、立体几何，平行线任何位置的间距相等，就是均匀平直的空间。

5.细粒度：计算机编程语言中的术语，用来描述将对象根据需要划分为更多、更详细的对象。针对同一类的不同子类进行分类，目的为了扩大类内差距