常用机器学习与数据挖掘相关术语

常用机器学习与数据挖掘相关术语（该充充电了...）

转自：机器学习算法与Python学习

Basis(基础)：

  MSE(Mean Square Error 均方误差)， 

  LMS(LeastMean Square 最小均方)， 

  LSM(Least Square Methods 最小二乘法)， 

  MLE(MaximumLikelihood Estimation最大似然估计)， 

  QP(Quadratic Programming 二次规划)， 

  CP(Conditional Probability条件概率)， 

  JP(Joint Probability 联合概率)， 

  MP(Marginal Probability边缘概率)， 

  Bayesian Formula(贝叶斯公式)， 

  L1 /L2Regularization(L1/L2正则，以及更多的，现在比较火的L2.5正则等)， 

  GD(GradientDescent 梯度下降)， 

  SGD(Stochastic Gradient Descent 随机梯度下降)， 

  Eigenvalue(特征值)， 

  Eigenvector(特征向量)， 

QR-decomposition(QR分解)， 矩阵分解

Quantile (分位数)， 分位数

Covariance(协方差矩阵)。协方差矩阵

Common Distribution(常见分布)：

  1.1.1 Discrete Distribution(离散型分布)：

  BernoulliDistribution/Binomial(贝努利分布/二项分布)， 

  Negative BinomialDistribution(负二项分布)， 

  MultinomialDistribution(多项式分布)， 

  Geometric Distribution(几何分布)， 

  HypergeometricDistribution(超几何分布)， 

  Poisson Distribution (泊松分布)。

  1.1.2 Continuous Distribution (连续型分布)：

  UniformDistribution(均匀分布)， 

  Normal Distribution /Guassian Distribution(正态分布/高斯分布)， 

  ExponentialDistribution(指数分布)， 

  Lognormal Distribution(对数正态分布)， 

  GammaDistribution(Gamma分布)， 

  Beta Distribution(Beta分布)， 

  Dirichlet Distribution(狄利克雷分布)， 

  Rayleigh Distribution(瑞利分布)， 

  Cauchy Distribution(柯西分布)，

  Weibull Distribution (韦伯分布)。

  1.1.3 Three Sampling Distribution(三大抽样分布)：

  Chi-squareDistribution(卡方分布)， 

  t-distribution(t-distribution)， 

  F-distribution(F-分布)。

Data Pre-processing(数据预处理)：

  Missing Value Imputation(缺失值填充)， 

  Discretization(离散化)，Mapping(映射)， 

  Normalization(归一化/标准化)。

Sampling(采样)：

  Simple Random Sampling(简单随机采样)，

  OfflineSampling(离线等可能K采样)，

  Online Sampling(在线等可能K采样)，

  Ratio-based Sampling(等比例随机采样)，

  Acceptance-RejectionSampling(接受-拒绝采样)，

  Importance Sampling(重要性采样)，

  MCMC(MarkovChain Monte Carlo 马尔科夫蒙特卡罗采样算法：Metropolis-Hasting& Gibbs)。

Clustering(聚类)：

  K-Means，

  K-Mediods，

  二分K-Means，

  FK-Means，??

Canopy，Canopy树冠聚类

  Spectral-KMeans(谱聚类)，

  GMM-EM(混合高斯模型-期望最大化算法解决)，

  K-Pototypes，CLARANS(基于划分)，

  BIRCH(基于层次)，

  CURE(基于层次)，

  DBSCAN(基于密度)，

  CLIQUE(基于密度和基于网格)。

Classification&Regression(分类&回归)：

  LR(Linear Regression 线性回归)，

  LR(LogisticRegression逻辑回归)，

  SR(Softmax Regression 多分类逻辑回归)，

  GLM(GeneralizedLinear Model 广义线性模型)，

  RR(Ridge Regression 岭回归/L2正则最小二乘回归)，

 LASSO(Least Absolute Shrinkage andSelectionator Operator L1正则最小二乘回归)，

   RF(随机森林)，

  DT(DecisionTree决策树)，

  GBDT(Gradient BoostingDecision Tree 梯度下降决策树)，

  CART(ClassificationAnd Regression Tree 分类回归树)，

  KNN(K-Nearest Neighbor K近邻)，

  SVM(Support VectorMachine)，

  KF(KernelFunction 核函数PolynomialKernel Function 多项式核函、

  Guassian KernelFunction 高斯核函数/Radial BasisFunction RBF径向基函数、

  String KernelFunction 字符串核函数)、

   NB(Naive Bayes 朴素贝叶斯)，BN(Bayesian Network/Bayesian Belief Network/ Belief Network 贝叶斯网络/贝叶斯信度网络/信念网络)，

  LDA(Linear Discriminant Analysis/FisherLinear Discriminant 线性判别分析/Fisher线性判别)，

   EL(Ensemble Learning集成学习Boosting，Bagging，Stacking)，

   AdaBoost(Adaptive Boosting 自适应增强)，

   MEM(MaximumEntropy Model最大熵模型)。

Effectiveness Evaluation(分类效果评估)：

  Confusion Matrix(混淆矩阵)，

  Precision(精确度)，Recall(召回率)，

  Accuracy(准确率)，F-score(F得分)，

  ROC Curve(ROC曲线)，AUC(AUC面积)，

  LiftCurve(Lift曲线) ，KS Curve(KS曲线)。

PGM(Probabilistic Graphical Models概率图模型)：

  BN(Bayesian Network/Bayesian Belief Network/ BeliefNetwork 贝叶斯网络/贝叶斯信度网络/信念网络)，

  MC(Markov Chain 马尔科夫链)，

  HMM(HiddenMarkov Model 马尔科夫模型)，

  MEMM(Maximum Entropy Markov Model 最大熵马尔科夫模型)，

  CRF(ConditionalRandom Field 条件随机场)，

  MRF(MarkovRandom Field 马尔科夫随机场)。

NN(Neural Network神经网络)：

  ANN(Artificial Neural Network 人工神经网络)，

  BP(Error BackPropagation 误差反向传播)。

DeepLearning

  Auto-encoder(自动编码器)，

  SAE(Stacked Auto-encoders堆叠自动编码器，

  Sparse Auto-encoders稀疏自动编码器、

  Denoising Auto-encoders去噪自动编码器、

  Contractive Auto-encoders 收缩自动编码器)，

  RBM(RestrictedBoltzmann Machine 受限玻尔兹曼机)，

  DBN(Deep Belief Network 深度信念网络)，

  CNN(ConvolutionalNeural Network 卷积神经网络)，

  Word2Vec(词向量学习模型)。

DimensionalityReduction(降维)：

  LDA LinearDiscriminant Analysis/Fisher Linear Discriminant 线性判别分析/Fisher线性判别，

  PCA(Principal Component Analysis 主成分分析)，

  ICA(IndependentComponent Analysis 独立成分分析)，

  SVD(Singular Value Decomposition 奇异值分解)，

  FA(FactorAnalysis 因子分析法)。

Text Mining(文本挖掘)：

  VSM(Vector Space Model向量空间模型)，

  Word2Vec(词向量学习模型)，

  TF(Term Frequency词频)，

  TF-IDF(Term Frequency-Inverse DocumentFrequency 词频-逆向文档频率)，

  MI(MutualInformation 互信息)，

  ECE(Expected Cross Entropy 期望交叉熵)，

  QEMI(二次信息熵)，

  IG(InformationGain 信息增益)，

  IGR(Information Gain Ratio 信息增益率)，

  Gini(基尼系数)，

  x2 Statistic(x2统计量)，

  TEW(TextEvidence Weight文本证据权)，

  OR(Odds Ratio 优势率)，

  N-Gram Model，

  LSA(Latent Semantic Analysis 潜在语义分析)，

  PLSA(ProbabilisticLatent Semantic Analysis 基于概率的潜在语义分析)，

  LDA(Latent DirichletAllocation 潜在狄利克雷模型)。

Association Mining(关联挖掘)：

  Apriori，

  FP-growth(Frequency Pattern Tree Growth 频繁模式树生长算法)，

  AprioriAll，

  Spade。

Recommendation Engine(推荐引擎)：

  DBR(Demographic-based Recommendation 基于人口统计学的推荐)，

  CBR(Context-basedRecommendation 基于内容的推荐)，

  CF(Collaborative Filtering协同过滤)，

  UCF(User-basedCollaborative Filtering Recommendation 基于用户的协同过滤推荐)，

  ICF(Item-basedCollaborative Filtering Recommendation 基于项目的协同过滤推荐)。

Similarity Measure&Distance Measure(相似性与距离度量)：

  Euclidean Distance(欧式距离)，

  ManhattanDistance(曼哈顿距离)，

  Chebyshev Distance(切比雪夫距离)，

  MinkowskiDistance(闵可夫斯基距离)，

  Standardized Euclidean Distance(标准化欧氏距离)，

  MahalanobisDistance(马氏距离)，

  Cos(Cosine 余弦)，

  HammingDistance/Edit Distance(汉明距离/编辑距离)，

  JaccardDistance(杰卡德距离)，

  Correlation Coefficient Distance(相关系数距离)，

  InformationEntropy(信息熵)，

  KL(Kullback-Leibler Divergence KL散度/Relative Entropy 相对熵)。

Optimization(最优化)：

  2.6.1 Non-constrainedOptimization(无约束优化)：

  Cyclic VariableMethods(变量轮换法)， 
  Pattern Search Methods(模式搜索法)， 
  VariableSimplex Methods(可变单纯形法)， 
  Gradient Descent Methods(梯度下降法)， 
  Newton Methods(牛顿法)， 
  Quasi-NewtonMethods(拟牛顿法)， 
  Conjugate Gradient Methods(共轭梯度法)。

  2.6.2 ConstrainedOptimization(有约束优化)：

  Approximation Programming Methods(近似规划法)， 
  FeasibleDirection Methods(可行方向法)， 
  Penalty Function Methods(罚函数法)， 
  Multiplier Methods(乘子法)。 
  Heuristic Algorithm(启发式算法)， 
  SA(SimulatedAnnealing， 
  模拟退火算法)， 
  GA(genetic algorithm遗传算法)。

Feature Selection(特征选择算法)：

  Mutual Information(互信息)，

  DocumentFrequence(文档频率)，

  Information Gain(信息增益)，

  Chi-squared Test(卡方检验)，

  Gini(基尼系数)。

Outlier Detection(异常点检测算法)：

  Statistic-based(基于统计)，

  Distance-based(基于距离)，

  Density-based(基于密度)，

  Clustering-based(基于聚类)。

Learning to Rank(基于学习的排序)：

  Pointwise：McRank；

  Pairwise：RankingSVM，RankNet，Frank，RankBoost；

  Listwise：AdaRank，SoftRank，LamdaMART。    

Tool(工具)：

  MPI，Hadoop生态圈，Spark，BSP，Weka，Mahout，Scikit-learn，PyBrain… 
  以及一些具体的业务场景与case等。