关于机器学习算法中的标记习惯

描述机器学习算法中常常有大量的符号标记, 最好能形成一套自己的标记习惯.

• 原始输入空间: \(\chi \in R^d\)
• 样本集:\(D\)
• 用\(n\)表示样本索引. 第\(n\)个样本: \(x^{(n)}\).
• 训练样本数量:\(N\)
• 神经元的净输出:\(net\); 激活值:\(a\);
• 最大似然函数: \(l\), 取对数后用\(L\)表示.
• 损失函数: \(J\)
• 敏感度:\(\delta\)
• 梯度:\(\Delta W, \Delta b\)
• 多分类时的类别数:\(c\).
• 神经网络中的索引, 第\(l\)层第\(i\)个神经元第\(j\)个权值:\(w^l_{ij}\)
  以前已经写好文章笔记暂时不改了.