训练误差是在在数据训练中出现的误差。是模型关于训练数据的平均损失。

最大期望是在概率模型中寻找参数最大似然估计、最大后验估计的算法，其中概率模型基于无法观测因变量。 最大期望算法通常用于机器学习、计算机视觉的数据聚类领域，其经过两个步骤的交替计算： 计算期望 E：利用对隐藏变量的现有估计 […]

过拟合是机器学习中的一种现象。指把样本中一些并不需要拿来作为分类的属性学习了的情况，此时学习的决策树模型并不是最优的模型，而且会会导致泛化性能下降。

期望损失是对全体样本的预测能力，是全局概念的一种；经验风险是局部概念，仅表示决策函数对训练数据集中样本的预测能力。 经验风险和期望风险 经验风险是局部的，基于训练集所有样本点损失函数最小化，经验风险局部最优，现实可求； […]

朴素贝叶斯分类器 ( NBC )，是依据朴素贝叶斯进行分类的一种条件概率分类器。

朴素贝叶斯 是指仅依据每个类别出现的概率进行预测分类，是基于概率理论的一种分类算法。该算法依据于贝叶斯公式。

配对 t 检验是常用的一种 t 检验。它是指对同一个总体，在不同的条件下获取两组样本进行分析，以评价不同条件是否有显著影响。不同条件可以指不同存放环境、不同的测量系统等。

欠拟合 是指在模型对训练数据拟合度差的情形。通常用在模型学习和泛化能力的评估上。

定义 分类器是在已有数据基础上构造出一个分类模型，该模型能够把数据库中的数据记录映射到给定类别中的某一个，从而应用于数据预测。 分类器的构造和实施 分类器的构造和实施大体会经过以下几个步骤： 选定样本（包含正样本和负样本 […]

权重是一个相对的概念，是针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。

欠采样 是抛弃一些样本来缓解类不平衡的方法。即对训练集里面样本数量较多的类别（多数类）进行适当的少采样。

软间隔是用来处理线性不可分问题及减少噪点影响的一种方法。软间隔是允许分类时存在一些错误点的做法。

径向基函数（RBF）是沿径向对称的标量函数。通常定义为空间中任一点 X 到某一中心 X_c 之间距离的单调函数。可记作 K ( || X – X _c || ), 其作用往往是局部的 , 即当 X 远离 X_c 时函数取值很小。

量子计算是基于量子效应的新型计算方式，基本原理是以量子位作为信息编码和存储单元，通过大量量子位的受控演化来完成计算任务。 量子计算和传统计算的对比 (1) 信息表达 传统计算中，计算机运行的单位是取值为 0 或 1 的比 […]

量子计算机是一种使用量子逻辑进行通用计算的设备。是量子计算的具体实现形式

量子神经网络（QNN）是由若干个量子神经元按一定的拓扑结构构成的网络。

鲁棒性是指一个计算机系统在执行过程中处理错误，以及算法在遭遇输入、运算等异常时继续正常运行的能力。

监督学习是输出与输入存在联系的一种机器学习方法。可以由训练资料中学到或建立一个模式，并依此模式推测新的实例。

结构风险是对经验风险和期望风险的折中，在经验风险函数后面加一个正则化项（惩罚项），得到结构分险。

结构风险最小化（SRM）是机器学习中的一个归纳原理。常作为防止过拟合的一个策略。

挤压函数是把较大范围的输入挤压到较小的区间的函数。经常用来做激活函数。

加权投票法是一种计入权重的投票方法。

近邻成分分析（NCA）是一种与 KNN（K 近邻）相关联的距离测度学习方法，属于监督式学习方法。最早是 2004 年由 Goldberger 等人提出。

类内散度矩阵是表示各样本点围绕均指的散布情况。

训练误差是在在数据训练中出现的误差。是模型关于训练数据的平均损失。

最大期望是在概率模型中寻找参数最大似然估计、最大后验估计的算法，其中概率模型基于无法观测因变量。 最大期望算法通常用于机器学习、计算机视觉的数据聚类领域，其经过两个步骤的交替计算： 计算期望 E：利用对隐藏变量的现有估计 […]

过拟合是机器学习中的一种现象。指把样本中一些并不需要拿来作为分类的属性学习了的情况，此时学习的决策树模型并不是最优的模型，而且会会导致泛化性能下降。

期望损失是对全体样本的预测能力，是全局概念的一种；经验风险是局部概念，仅表示决策函数对训练数据集中样本的预测能力。 经验风险和期望风险 经验风险是局部的，基于训练集所有样本点损失函数最小化，经验风险局部最优，现实可求； […]

朴素贝叶斯分类器 ( NBC )，是依据朴素贝叶斯进行分类的一种条件概率分类器。

朴素贝叶斯 是指仅依据每个类别出现的概率进行预测分类，是基于概率理论的一种分类算法。该算法依据于贝叶斯公式。

配对 t 检验是常用的一种 t 检验。它是指对同一个总体，在不同的条件下获取两组样本进行分析，以评价不同条件是否有显著影响。不同条件可以指不同存放环境、不同的测量系统等。

欠拟合 是指在模型对训练数据拟合度差的情形。通常用在模型学习和泛化能力的评估上。

定义 分类器是在已有数据基础上构造出一个分类模型，该模型能够把数据库中的数据记录映射到给定类别中的某一个，从而应用于数据预测。 分类器的构造和实施 分类器的构造和实施大体会经过以下几个步骤： 选定样本（包含正样本和负样本 […]

权重是一个相对的概念，是针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。

欠采样 是抛弃一些样本来缓解类不平衡的方法。即对训练集里面样本数量较多的类别（多数类）进行适当的少采样。

软间隔是用来处理线性不可分问题及减少噪点影响的一种方法。软间隔是允许分类时存在一些错误点的做法。

径向基函数（RBF）是沿径向对称的标量函数。通常定义为空间中任一点 X 到某一中心 X_c 之间距离的单调函数。可记作 K ( || X – X _c || ), 其作用往往是局部的 , 即当 X 远离 X_c 时函数取值很小。

量子计算是基于量子效应的新型计算方式，基本原理是以量子位作为信息编码和存储单元，通过大量量子位的受控演化来完成计算任务。 量子计算和传统计算的对比 (1) 信息表达 传统计算中，计算机运行的单位是取值为 0 或 1 的比 […]

量子计算机是一种使用量子逻辑进行通用计算的设备。是量子计算的具体实现形式

量子神经网络（QNN）是由若干个量子神经元按一定的拓扑结构构成的网络。

鲁棒性是指一个计算机系统在执行过程中处理错误，以及算法在遭遇输入、运算等异常时继续正常运行的能力。

监督学习是输出与输入存在联系的一种机器学习方法。可以由训练资料中学到或建立一个模式，并依此模式推测新的实例。

结构风险是对经验风险和期望风险的折中，在经验风险函数后面加一个正则化项（惩罚项），得到结构分险。

结构风险最小化（SRM）是机器学习中的一个归纳原理。常作为防止过拟合的一个策略。

挤压函数是把较大范围的输入挤压到较小的区间的函数。经常用来做激活函数。

加权投票法是一种计入权重的投票方法。

近邻成分分析（NCA）是一种与 KNN（K 近邻）相关联的距离测度学习方法，属于监督式学习方法。最早是 2004 年由 Goldberger 等人提出。

类内散度矩阵是表示各样本点围绕均指的散布情况。