機械学習とデータマイニングに関する一般的な用語

• サンプリング:

  • シンプル・ランダム・サンプリング (Simple Random Sampling) とは,
  • オフライン・サンプリング (OFFLINE SAMPLING) とは,
  • オンラインサンプリング (オンラインサンプリング) は,
  • Ratio-based Sampling (比率ベースのサンプリング)
  • 採集は,受容と拒絶の間で行われます.
  • 重要なサンプリング
  • MCMC ((MarkovChain Monte Carlo マルコフ・モンテカルロ サンプリングアルゴリズム:Metropolis-Hasting& Gibbs) について

• クラスタリング:

  • K-Means，
  • K-Mediods，
  • “K-Means”は”K-Means”の2分の1です
  • FK-Means，
  • Canopy，
  • ゲノム解析の分野では,
  • GMM-EM (混合ガースモデル) - 最大化アルゴリズムで解決したい)
  • “K-Pototypes,CLARANS”は”分類に基づいた”と書かれています.
  • BIRCH (階層による)
  • CURE (階層による)
  • DBSCANでは,
  • CLIQUE ((密度ベースとグリッドベース) 〜)

• Classification&Regression (分類と回帰) について

  • 線形回帰は 線形回帰で 線形回帰は線形回帰で
  • 論理回帰は,論理的な回帰であり,論理的な回帰は,論理的な回帰である.
  • SR (Softmax Regression) は,リグレーションの論理回帰のクラスで,
  • GLM (Generalized Linear Model) は,一般化された線形モデルであり,
  • RR (リッジ回帰回帰/L2正の最小二乗回帰)
  • LASSO ((Least Absolute Shrinkage andSelectionator Operator L1 正則最小二乗回帰) は,LASSOとLASSOの両方から,LASSOとLASSOの両方から,LASSOとLASSOの両方から,LASSOとLASSOの両方から,LASSOとLASSOの両方から,LASSOとLASSOの両方から,LASSOとLASSOの両方から,LASSOとLASSOの両方から,LASSOとLASSOの両方から,LASSOとLASSOの両方から,LASSOとLASSOの両方から,LASSOとLASSOの両方から,LASSOとLASSOの両方から,LASSOとLASSOの両方から,LASSOとLASSOの両方から,LASSOとLASSOの両方から,LASSOとLASSOは,LASSOとLASSOの両方から,
  • 森林の森は,自然に生息する
  • ブログの記事では,DTは,
  • GBDT (グラデーション・ブースト・ディシジョン・ツリー) は,
  • CART (ClassificationAnd Regression Tree) は,ClassificationAnd RegressionTree (分類と回帰木) と呼ばれ,CARTは,ClassificationAnd RegressionTree (分類と回帰木) と呼ばれている.
  • “K-Nearest Neighbor K”は”K-Nearest Neighbor K”の”K”と”K”の”K”の”K”の”K”の”K”の”K”の”K”の”K”の”K”と”K”の”K”を意味する.
  • SVM(Support VectorMachine)，
  • KF ((KernelFunction) カーネル関数 ポリノミアルカーネル関数 多項式カーネル関数
  • Guassian KernelFunction ガーシアン・カーネル・ファンクション/ラディアル・ベース・ファンクション RBF 径向基関数
  • String KernelFunction (ストリング・カーネル・ファンクション)
  • NB ((Naive Bayes) 素朴なベイス),BN ((Bayesian Network/Bayesian Belief Network/Belief Network ベイスネットワーク/ベイス信条ネットワーク/信念ネットワーク) は,ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス・ベイス)
  • LDA ((Linear Discriminant Analysis/Fisher 線形差別分析/フィッシャー 線形差別分析) は,LDA (Linear Discriminant Analysis/Fisher) とも呼ばれ,LDA (Linear Discriminant Analysis/Fisher) は,LDA (Linear Discriminant Analysis/Fisher) とも呼ばれ,LDA (Linear Discriminant Analysis/Fisher) は,LDA (Linear Discriminant Analysis/Fisher) とも呼ばれ,LDA (Linear Discriminant Analysis/Fisher) は,LDA (Linear Discriminant Analysis/Fisher) とも呼ばれ,LDA (Linear Discriminant Analysis/Fisher) は,LDA (Linear Discriminant Analysis/Fisher) とも呼ばれ,LDA (Linear Discriminant Analysis/Fisher) は,LDA (Linear Discriminant Analysis/Fisher) とも呼ばれている.
  • “Ensemble Learning”は”Boosting,Bagging,Stacking”を統合した学習システムであり,
  • Adaptive Boosting (アダプティブ・ブースト) は,自主的に強化されたシステムです.
  • MEM (最大エントロピーモデル最大モデル)

• 効果評価 (Effectiveness Evaluation): 効果評価の分類について

  • 混乱のマトリックス (Confusion Matrix) は
  • “Precision”は”精度” “Recall”は”リコール”で
  • “F-score” (F-スコア) は”精度 (精度) “と”F-score (Fスコア) “で表されています.
  • ROC カーブ,AUC,AUC面積,
  • LiftCurve (リフトカーブ),KS Curve (KSカーブ) について

• PGM ((Probabilistic Graphical Models) 確率グラフモデル: 確率グラフモデルとは,確率グラフモデルのモデルである.

  • BN ((Bayesian Network/Bayesian Belief Network/BeliefNetwork ベイジアンネットワーク/ベイジアン信念ネットワーク/信念ネットワーク ベイジアンネットワーク/ベイジアン信念ネットワーク/BeliefNetwork ベイジアンネットワーク/ベイジアン信念ネットワーク/BeliefNetwork ベイジアンネットワーク/ベイジアン信念ネットワーク/BeliefNetwork ベイジアン信念ネットワーク/ベイジアン信念ネットワーク)
  • マルコフ・チェーンは,マルコフ・チェーンは,マルコフ・チェーンは,マルコフ・チェーンは.
  • HMM (隠されたマルコフモデル) は,
  • MEMM (最大エントロピーマルコフモデル) は,
  • CRF (Conditional Random Field) は,コンディショナルのランダムフィールド (Conditional Random Field) と呼ばれる.
  • MRF (マーコフランダムフィールド)

• ニューラルネットワーク:

  • ANN (人工ニューラルネットワーク) は,インターネット上で,インターネット上で,インターネット上で,インターネット上で,インターネット上で,
  • BP ((Error BackPropagation バックプロパガンダの誤差の逆伝播) でした.

• DeepLearning

  • 自動エンコーダー (Auto-encoder) とは,
  • SAE (Stacked Auto-encoders) は,スタックされたAuto-encodersで,Auto-encodersは,Auto-encodersで,Auto-encodersは,Auto-encodersで,Auto-encodersは,Auto-encodersで,Auto-encodersは,Auto-encodersで,Auto-encodersは,Auto-encodersで,Auto-encodersは,Auto-encodersで,
  • スパース・オート・エンコーダー (Sparse Auto-encoders) は 自動エンコーダーを稀に扱っている.
  • Denoising Auto-encodersは,自動エンコーダーの騒音を消し去ります.
  • Contractive Auto-encoders (コントラクティブ・オート・エンコーダー) は,インターネット上で最も広く利用されている
  • RBM (制限ボルトスマンマシン) は,RBM (制限ボルトスマンマシン) と呼ばれる.
  • DBN (ディープ・ビリーフ・ネットワーク) は,
  • ニューロンのネットワークは,そのネットワークの構成要素を構成する.
  • Word2Vec (ワードベクトル学習モデル)

• サイズを減らす:

  • LDA LinearDiscriminant Analysis/Fisher Linear Discriminant 線形判別分析/フィッシャー線形判別は,LDAの線形判別分析とフィッシャー線形判別を組み合わせたものです.
  • PCA (Principal Component Analysis) は,PCA (PCA) は,PCA (PCA) は,PCA (PCA) は,PCA (PCA) は,PCA (PCA) は,PCA (PCA) は,PCA (PCA) は
  • 独立コンポーネント分析 (ICA) とは,独立コンポーネント分析 (ICA) とは,独立コンポーネント分析 (ICA) とは,独立コンポーネント分析 (ICA) とは,独立コンポーネント分析 (ICA) とは,
  • SVD (単数値分解) とは,単数値分解の単数値分解を意味する.
  • FA (ファクター分析法)

• テキスト・マイニング (テキスト・マイニング):

  • VSM (ベクトル空間モデル)
  • Word2Vec (ワードベクトル・ラーニング・モデル) は
  • “Term Frequency”は”頻度”という用語で,
  • TF-IDF (Term Frequency-Inverse DocumentFrequency) は,インターネット上で利用できる,
  • MI (MutualInformation) は,インターネット上で,
  • ECEは”予想されるクロスエントロピー”と”予想されるクロスエントロピー”を定義しています.
  • QEMI (二次情報マップ) は,
  • IG (インフォメーション・ゲイン)
  • IGR (情報獲得比率) は,インターネットの利用率を比較すると,
  • グラフの上の数字は,
  • x2 統計 (x2 統計量)
  • TEW (テキストエビデンス・ウェイト) は,
  • オーダーレート (Odds Ratio) の優位率は,
  • N-Gram Model，
  • LSAは”潜在的セマンティック分析”で,LSAは”潜在的セマンティック分析”で,LSAは”潜在的セマンティック分析”で,LSAは”潜在的セマンティック分析”で,
  • PLSA (ProbabilisticLatent Semantic Analysis) は,概率に基づく潜在的意味論分析であり,PSA (Probabilistic Latent Semantic Analysis) は,PSA (Probilistic Latent Semantic Analysis) と呼ばれている.これは,PSA (Probabilistic Latent Semantic Analysis) は,PSA (Probabilistic Latent Semantic Analysis) と呼ばれている.
  • LDA ((Latent DirichletAllocation潜在ディリクレールモデル) について.

• アソシエーション・マイニング:

  • Apriori，
  • FP-growth (FP-growth) は,FP-growth (FP-growth) と呼ばれる,FP-growth (FP-growth) と呼ばれる,FP-growth (FP-growth) と呼ばれる,FP-growth (FP-growth) と呼ばれる,FP-growth (FP-growth) と呼ばれる,FP-growth (FP-growth) と呼ばれる,FP-growth (FP-growth) と呼ばれる,
  • AprioriAll，
  • Spade。

• Recommendation Engine (推奨エンジン) は

  • DBR (人口統計に基づく推薦) は,人口統計学に基づく推薦で,人口統計学に基づく推薦で,人口統計学に基づく推薦で,人口統計学に基づく推薦で,人口統計学に基づく推薦で,人口統計学に基づく推薦で,人口統計学に基づく推薦で,人口統計学に基づく推薦で,人口統計学に基づく推薦で,人口統計学に基づく推薦で,人口統計学に基づく推薦で,人口統計学に基づく推薦で,人口統計学に基づく推薦で,人口統計学に基づく推薦で)
  • CBR (コンテクストベース・レコメンデーション) は,コンテクストベース・レコメンデーション (コンテクストベース・レコメンデーション) であり,コンテクストベース・レコメンデーション (コンテクストベース・レコメンデーション) は,コンテクストベース・レコメンデーション (コンテクストベース・レコメンデーション) である.
  • CF (コラボレーション・フィルタリング)
  • UCF (ユーザーベースの協同フィルタリング推奨) は,
  • ICF (アイテムベースのコラボレーションフィルタリング勧告)

• Similarity Measure&Distance Measure (類似性と距離の測定): 類似性と距離の測定

  • ユークリッドの距離は
  • マンハッタン・ディスタンス (ManhattanDistance) は,
  • チェビシェフ距離 (チェビシェフ距離) は,チェビシェフの近隣にある
  • ミンコフスキー距離 (MinkowskiDistance) とは,ミンコフスキー距離 (MinkowskiDistance) とは,ミンコフスキー距離 (MinkowskiDistance) とは,
  • 標準化されたユークリッド距離 (Standardized Euclidean Distance) は,標準化されたユークリッド距離 (Standardized Euclidean Distance) と呼ばれる.
  • マハラノビスの距離は
  • コーセインの余弦
  • ハミングディスタンス/エディットディスタンス
  • ジャッカード・ディスタンス (ジャッカード・ディスタンス) は,
  • 関連系数距離は,
  • “情報エントロピー”は
  • KL ((Kullback-Leibler Divergence KL散度/Relative Entropyは相対的にである)

• Feature Selection (特徴選択アルゴリズム):

  • 相互情報 (Mutual Information) について
  • “ドキュメントの頻度”は”ドキュメントの頻度”と定義されています.
  • “情報獲得”は,
  • 千平方テストは,
  • 基ニ系数 (ギニ系数)

• アウトリアー検出:

  • 統計に基づく (統計に基づく)
  • 遠隔地から,
  • 密度ベースで
  • Clustering-based (クラスタリングベースの) 。

• ランク付けの学習 (Learning to Rank):

  • Pointwise：McRank；
  • Pairwise：RankingSVM，RankNet，Frank，RankBoost；
  • Listwise：AdaRank，SoftRank，LamdaMART。