尖峰-厚尾回归
Definition
尖峰-厚尾回归（Spike-and-slab regression）是一种用于变量选择和稀疏建模的贝叶斯统计技术。它采用由两个部分组成的混合先验分布：一个‘尖峰’（spike，通 …
Statistics
正则化
Definition
正则化是机器学习中一个关键概念，旨在不显著增加训练误差的情况下减少泛化误差。它通过阻止模型学习过于复杂的模式来发挥作用。
Summary
一组在训练过程中使用的技术，通过对损失函 …
Rademacher 复杂度
Definition
Rademacher 复杂度评估假设类与随机标签（噪声）的相关程度。它作为模型容量或灵活性的代理指标。较低的复杂度通常意味着更好的泛化能力。
Summary
学习理论中用于量化函 …
Phi系数
Definition
Phi系数（φ）是用于衡量两个二元变量之间关联程度的指标，可视为二值变量的皮尔逊相关系数。其取值范围为-1到+1，其中0表示无关联。
Summary
衡量两个二元变量之间关联程度 …
感知误差模型
Definition
感知误差模型描述了观察到的感官数据与真实情况之间的差异，考虑了噪声、遮挡或传感器限制等因素。通过对这些误差进行建模，人工智能系统可以
Summary
用于量化和校正感官数据解释中 …
线性预测函数
Definition
在统计建模和机器学习中，线性预测函数表示输入特征的加权和加上偏置项。它是广义线性模型（GLM）的核心组成部分。
Summary
一种计算输入变量的线性组合以预测结果的数学函数。 …
留一法交叉验证
Definition
留一法交叉验证（LOOCV）是k折交叉验证的一种特殊情况，其中k等于数据集中的样本数量。它提供了对模型性能的近乎无偏的估计，因为每次训练都使用了尽可能多的数据，从而最大限度地减少 …
相关性寿命
Definition
在动态系统和时间序列分析中，相关性寿命衡量两个变量保持显著统计依赖性的持续时间。这一概念对于理解模型随时间推移的性能下降至关重要，特别是在金融、气象和物联网等领域，其中变量之间的 …
可学习函数类
Definition
在统计学习理论中，可学习函数类代表了算法可用的假设空间。它定义了模型潜在能够捕捉的模式或映射的范围，决定了模型的表达能力和泛化潜力。
Summary
可学习函数类是由特定模型架构 …
核密度估计
Definition
核密度估计（KDE）是一种基本的统计技术，通过对离散数据点进行平滑处理，生成连续的概率分布曲线。它在每个数据点处放置一个核函数（通常为高斯核），并将这些核函数叠加起来，从而估计出 …
GLM
Definition
在统计建模中，GLM 代表广义线性模型（Generalized Linear Models），它将线性回归扩展到允许响应变量具有正态分布以外的误差分布模型。在人工智能领域，GLM …
位置、尺度和形状广义加性模型
Definition
与传统回归模型仅关注均值不同，GAMLSS 对整个分布进行建模，包括位置（均值/中位数）、尺度（方差）、偏度和峰度。它使用广义…
Summary
GAMLSS 是一 …
特征缩放
Definition
特征缩放通过标准化输入变量的范围，防止量级较大的特征主导学习过程。常见方法包括归一化（最小-最大缩放）和标准化（Z-score标准化）。这一预处理步骤对于基于距离的算法和梯度下降 …
经验动态建模
Definition
经验动态建模（EDM）是一种分析非线性动力系统的框架，它利用观测数据而不假设特定的参数形式。该方法依赖于Takens嵌入定理，通过重建状态空间来揭示系统内部的因果结构和动态规律。 …
EM算法与高斯混合模型
Definition
该术语指期望最大化（EM）算法与高斯混合模型（GMM）之间的协同关系。GMM假设所有数据点都是由多个分布混合生成的，而EM算法则通过迭代方式优化这些混合成分的参数（如均值、协方差 …
数据集偏移
Definition
当用于训练机器学习模型的数据分布与推理过程中遇到的数据分布不同时，就会发生数据集偏移。这种差异可能导致模型性能显著下降。
Summary
数据集偏移是指训练数据与部署数据的输入统 …
数据驱动模型
Definition
数据驱动模型是一种人工智能系统类型，其行为和预测结果源于历史数据中识别出的模式，而不是由硬编码的规则或明确的数学公式定义。这类模型能够自动适应数据中的复杂关系。
Summary
…
数据科学与预测分析
Definition
数据科学涉及从结构和非结构化数据中提取知识的跨学科过程，而预测分析则专注于利用历史数据来预测未来……
Summary
该领域结合统计分析和机器学习，从数据中提取见解并预测未来事件 …
交叉验证
Definition
交叉验证是一种用于估计机器学习模型性能的统计方法。最常见的形式是k折交叉验证，即将数据分为k个相等的部分。模型在k-1个部分上进行训练，并在剩余的一个部分上进行测试，此过程重复k …
类别效用
Definition
该指标量化了一组类别在多大程度上允许人们预测这些类别内属性的值。它在类别大小与其内容同质性之间取得平衡，是概念学习和聚类评估中的重要指标。
Summary
类别效用是一种数学度 …
布拉德利-特里模型
Definition
布拉德利-特里模型是一种概率模型，广泛用于心理测量学和机器学习中以处理成对比较。它为每个项目分配一个潜在分数，计算概率……
Summary
一种用于分析成对比较数据的统计模型，估 …
偏差-方差权衡
Definition
偏差-方差权衡描述了欠拟合（高偏差）和过拟合（高方差）之间的张力。高偏差模型对数据做出强烈假设，可能会忽略相关关系；而高方差模型则过于关注训练数据中的噪声。
Summary
监督 …
基础比率
Definition
在统计学和机器学习中，基础比率指的是给定数据集中某种条件或结果的潜在频率。忽视基础比率往往会导致基础比率谬误，即人们倾向于忽略先验概率而过度依赖具体证据。
Summary
基础比 …
天体统计学
Definition
天体统计学是连接统计学与天文学的专业领域。它涉及开发和应用严谨的统计技术，以应对天文数据带来的独特挑战，例如处理海量观测数据、噪声建模以及从稀疏或不完整的数据中提取物理参数。 …
A/B 测试
Definition
A/B 测试是一种随机对照实验，通过比较两个变体（A 和 B）来评估哪一个在特定指标上能产生更好的结果。在人工智能工程中，它对优化至关重要。
Summary
一种统计方法，通过比 …
先验
Definition
“先验”代表了在纳入新观测值之前，关于某个变量的现有信念或历史数据。在贝叶斯推断中，先验与观测数据的似然度相结合，以更新对该变量的认知，形成后验分布。
Summary
在贝叶斯统 …
蒙特卡洛
Definition
蒙特卡洛技术是一类依赖重复随机抽样来估算数学量的计算算法。它们在多维积分、概率推断以及处理具有不确定性的复杂系统时特别有用，通过大量样本的平均值来逼近真实解。
Summary
蒙 …
高斯
Definition
高斯指的是正态分布，这是一种由均值和方差表征的连续概率分布。在AI中，它广泛用于概率建模、贝叶斯推断以及
Summary
与正态分布相关，这是一种钟形曲线，是统计学和AI噪声建模 …
因果的
Definition
在人工智能中，因果建模旨在理解对某一变量的干预如何影响另一变量。与依赖观察模式的预测模型不同，因果AI使用结构方程模型等工具来揭示变量间的内在机制。
Summary
因果推断涉及 …
蒙特卡洛
Definition
蒙特卡洛方法是AI和统计学中用于近似难以解析求解的复杂数学问题的关键技术。通过生成成千上万个随机样本来估算结果。
Summary
指蒙特卡洛方法，这是一类依赖重复随机采样以获得数 …
贝叶斯
Definition
AI中的贝叶斯方法利用概率论，随着更多证据的出现来更新假设的可能性。这种方法允许模型量化不确定性并动态优化预测结果。
Summary
指基于贝叶斯定理的统计方法，用于根据新证据更 …