《机器学习》基本术语标准翻译总结：第1章

本文是笔者在看完周志华教授的《机器学习》教材后，对基本术语翻译的一些总结：

machine learning：机器学习

learning algorithm：学习算法

instance/sample：示例/样本

example：样例

label：标记

attribute/feature：属性/特征

attribute value：属性值

attribute space：属性空间

sample space：样本空间/输入空间

feature vector：特征向量

dimensionality：维数

hypothesis：假设

ground-truth：真相、真实

learner：学习器

training data：训练数据

training sample：训练样本

test sample：测试样本

training set：训练集

label space：标记空间、输出空间

classification：分类

regression：回归

binary classification：二分类

multi-class classification：多分类

positive class：正类

negative class：反类

clustering：聚类

supervised learning：监督学习

unsupervised learning：无监督学习

generalization：泛化

distribution：分布

independent and identically distributed：独立同分布（i,i,d.）

induction：归纳

inductive learning：归纳学习

deduction：演绎

specialization：特化

version space：版本空间

fit：匹配

inductive bias：归纳偏好（简称“偏好”）

Occam's razor

No Free Lunch Theorem：没有免费的午餐定量（简称“NFL”）

artificial intelligence：人工智能

General Problem Solving：通用问题求解

Logic Theorist：逻辑理论家

connectionism：连接主义

symbolism：符号主义

perceptron：感知机

Inductive Logic Programming：归纳逻辑程序设计（简称“ILP”）

statistical learning：统计学习

support vector meachine：支持向量机（简称“SVM”）

kernel methods：核方法

data mining：数据挖掘

crowdsourcing：众包

transfer learning：迁移学习

learning by analogy：类比学习

deep learning：深度学习