【機器學習】機器學習常見符號
阿新 • • 發佈：2019-01-08
| 機器學習常見符號 | |||
| 符號 | 名稱 | 符號 | 名稱 |
| R | 實數集 | Rn | n維實數向量空間 |
| H | 希爾伯特空間 | X | 輸入空間 |
| Y | 輸出空間 | x∈X | 輸入，例項 |
| y∈Y | 輸出，標記 | X | 輸入隨機變數 |
| Y | 輸出隨機變數 | T={(x1,y1),(x2,y2),···,(xN,yN)} | 訓練資料集 |
| N | 樣本容量 | (xi,yi) | 第i個訓練資料點 |
| x=(x(1),x(2),···,x(n))T | 輸入向量，n維實數向量 | xi(j) | 輸入向量xi的第j分量 |
| P(X),P(Y) | 概率分佈 | P(X,Y) | 聯合概率分佈 |
| F | 假設空間 | f∈F | 模型，特徵函式 |
| θ,ω | 模型引數 | ω=(ω1,ω2,···ωn)T | 權值向量 |
| b | 偏置 | J(f) | 模型的複雜度 |
| Remp | 經驗風險或經驗損失 | Rexp | 風險函式或期望損失 |
| L | 損失函式，拉格朗日函式 | η | 學習率 |
| ll·ll1 | L1範數 | ll·ll2 | L2範數 |
| (x·x') | 向量x與x'的內積 | H(X),H(p) | 熵 |
| H(Y|X) | 條件熵 | S | 分離超平面 |
| α=(α1,α2,···,αn)T | 拉格朗日乘子，對偶問題變數 | αi | 對偶問題的第i個變數 |
| K(x,z) | 核函式 | sign(x) | 符號函式 |
| I(x) | 指示函式 | Z(x) | 規範化因子 |