python机器学习中英

ms133

　　监督学习,supervised learning
　　无监督学习,unsupervised learning
　　分类,classificat
　　回归,regression
　　降维,dimensionality reduction
　　聚类,clustering
　　特征向量,feature vector
　　编译语言,complied languages
　　解释型语言,interpreted languages
　　解释器,interpreter
　　布尔值,boolean
　　元组,tuple
　　算术运算,arithmetic operators
　　比较运算,comparison operators
　　赋值运算,assignment operators
　　逻辑运算,logical operators
　　成员运算,menbership operators

　　二分类,binary>
　　多分类,multiclass>
　　多标签分类,multi-lable>
　　线性分类器,linear>　　系数,coefficient
　　截距,intercept
　　参数,parameters
　　随机梯度上升,stochastic gradient ascend(SGA)
　　预测结果,predicted condition
　　正确标记,true condition
　　混淆矩阵,confusion matrix
　　准确性,accuracy
　　召回率,recall
　　精确率,precision

　　随机梯度下降模型,SGD>
　　支持向量机分类器,support vector>　　朴素贝叶斯,naive bayes
　　K近邻分类器,KNeighborsClassifier
　　无参数模型,nonparametric model
　　信息熵,information gain
　　基尼不纯性,gini impurity
　　集成,ensemble
　　单一决策树,decision tree

　　随机森林分类器,random forest>　　梯度提升决策树,gradient tree boosting
　　平均绝对误差,mean absolute error(MAE)
　　均方误差,mean squared error(MSE)
　　极端随机森林,extremely randomized trees
　　随机回归森林,randomforestregressor
　　极端回归森林,extratreesregressor
　　核函数,kernal
scikit-learn
　　针对房价预测的回归预测能力排名,R-squared(用来衡量模型回归结果的波动可被真实值验证的百分比，也暗示了模型在数值回归方面的能力）
　　1,gradient boosting regressor,0.8426
　　2,extra trees regressor,0.8195
　　3,random forest regressor,0.8024
　　4,SVM regressor(RBF kernel),0.7564
　　5,KNN regressor(distance-weighted),0.7198
　　6,decision tree regressor,0.6941
　　7,KNN regressor(uniform-weighted),0.6903
　　8,linear regressor,0.6763
　　9,SGDregressor,0.6599
　　10,SVM regressor(linear kernel),0.6517
　　11,SVM regressor(poly kernel),0.4045
　　泛化力,generalization
　　正则化,regularization
　　过拟合,overfitting
　　留一验证,leave-one-out cross validation
　　交叉验证,K-flod cross-validation