https://ytdu.com/ AI 圈的主线剧情，每天更新 zh-CN Thu, 05 Nov 2026 14:22:01 GMT https://ytdu.com/news/894/https://ytdu.com/news/894/Thu, 05 Nov 2026 14:22:01 GMT热点模型三个月一换，架构各不相同，用户的请求形状还天天变，上个月手调好的推理参数，这个月还能打吗？ 11 月 4 日，Together AI 连发两篇博客。 https://ytdu.com/news/893/https://ytdu.com/news/893/Thu, 05 Nov 2026 14:16:01 GMT热点一只基金，41个合伙人，75.2亿元。出资名单里有做算力的，有做游戏的，还有卖奶茶的蜜雪冰城，以及做家具布艺的上市公司。 https://ytdu.com/news/892/https://ytdu.com/news/892/Thu, 05 Nov 2026 13:44:01 GMT热点刷短视频刷着刷着，发现自己追的“短剧”已经更到第十二季，一集五十秒，攒了一千两百集。 https://ytdu.com/news/891/https://ytdu.com/news/891/Thu, 05 Nov 2026 13:08:02 GMT热点你在工位上连着盯八个小时，不走神，不卡壳，不手抖，做得到吗？小米的机器人这周交了一份答卷。 https://ytdu.com/news/890/https://ytdu.com/news/890/Thu, 05 Nov 2026 13:02:02 GMT热点大伙双11刷着刷着，是不是也撞见过这种场面：口红、洗衣液、纸巾旁边，多了个叫“Token”的东西，还限购一单？ 事情是这样：11月2日晚，一个头部带货直播间上架了千问办公月卡，半小时卖出10万份，每个淘宝ID限一单，只给新用户。 https://ytdu.com/news/889/https://ytdu.com/news/889/Thu, 05 Nov 2026 12:56:02 GMT热点你上个月的 AI 账单是多少？Jellyfish 统计过 1.2 万名开发者，2026 年第一季度的中位数用户每月用 5100 万 token 左右，折成 Claude 公开价大约 52 美元。 https://ytdu.com/news/888/https://ytdu.com/news/888/Thu, 05 Nov 2026 12:50:01 GMT热点一家做大模型的公司，几个出资最多的投资方里，居然有一家卖电池的。 https://ytdu.com/news/887/https://ytdu.com/news/887/Thu, 05 Nov 2026 12:44:02 GMT热点平时低调得像隐身的创始人，突然出现在香港的晚宴上，圈里人看到会怎么想？ 大伙心里大概都有数了。 https://ytdu.com/news/878/https://ytdu.com/news/878/Thu, 05 Nov 2026 00:41:55 GMT百科无监督学习（Unsupervised Learning）是从没有标签的数据中发现内在结构和规律的机器学习方式，主要任务有聚类（K 均值、DBSCAN、层次聚类）、降维与可视化（PCA、t-SNE、自编码器）、密度估计与生成建模、异常检测和关联规则挖掘；它无需人工标注、能处理海量数据，但结果难以客观评价，自监督学习是其在深度学习中的重要发展。 https://ytdu.com/news/879/https://ytdu.com/news/879/Thu, 05 Nov 2026 00:41:55 GMT百科样本空间（Sample Space）在概率论中指一次随机试验所有可能结果构成的集合，事件是它的子集；在机器学习中，周志华等教材也用它指由属性张成、每个样本对应一个点（特征向量）的空间，即属性空间或输入空间，与标记空间、假设空间共同构成学习问题的基本设定。 https://ytdu.com/news/880/https://ytdu.com/news/880/Thu, 05 Nov 2026 00:41:55 GMT百科自组织映射（Self-Organizing Map，SOM）是芬兰学者 Teuvo Kohonen 在 1982 年提出的无监督神经网络，输出神经元排成二维网格，通过竞争学习找出与输入最相似的获胜单元，并按邻域函数同时更新其网格邻居，使高维数据被映射到保持拓扑关系的低维网格上，常用于数据可视化、聚类和探索性分析，U-矩阵可显示簇边界。 https://ytdu.com/news/881/https://ytdu.com/news/881/Thu, 05 Nov 2026 00:41:55 GMT百科循环神经网络（Recurrent Neural Network，RNN）是在时间步之间传递隐藏状态、所有时间步共享参数的神经网络，能够处理任意长度的序列，常见结构有 Elman 网络、LSTM 和 GRU，用通过时间的反向传播训练；它曾广泛用于语言模型、机器翻译和语音识别，但存在梯度消失和难以并行的问题，后多被 Transformer 取代，状态空间模型等新架构延续了其思想。 https://ytdu.com/news/882/https://ytdu.com/news/882/Thu, 05 Nov 2026 00:41:55 GMT百科ReLU（线性修正单元）在实践中是卷积网络和多层感知机隐藏层的默认激活函数，配合 He 初始化可保持各层信号方差稳定；使用时应注意较大学习率导致的神经元死亡、输出非零中心和无上界带来的数值问题，必要时改用 Leaky ReLU、ELU、GELU 或 SiLU，输出层则按任务选择 Sigmoid、Softmax 或线性输出。 https://ytdu.com/news/883/https://ytdu.com/news/883/Thu, 05 Nov 2026 00:41:55 GMT百科自然语言理解（Natural Language Understanding，NLU）是自然语言处理中侧重“理解”的部分，目标是让机器把握文本的含义与意图，任务包括意图识别与槽位填充、语义角色标注、指代消解、自然语言推理、阅读理解和情感分析；评测基准有 GLUE、SuperGLUE、SQuAD，大模型大幅提升了理解能力，但“是否真正理解”仍有争论。 https://ytdu.com/news/884/https://ytdu.com/news/884/Thu, 05 Nov 2026 00:41:55 GMT百科自然语言生成（Natural Language Generation，NLG）是让计算机根据数据、知识或指令自动产出人类可读文本的技术，传统流程分为内容确定、文本规划、句子规划与表层实现，应用于天气与财报自动写作、报表解说、对话回复、机器翻译、摘要和创作；如今以大语言模型为主，需关注事实准确性、可控性与生成内容标识。 https://ytdu.com/news/885/https://ytdu.com/news/885/Thu, 05 Nov 2026 00:41:55 GMT百科纳什均衡（Nash Equilibrium）是约翰·纳什在 1950 年提出的博弈论核心概念，指一组策略中每个参与者在他人策略不变时都无法通过单方面改变策略获益；纳什证明任何有限博弈都至少存在一个混合策略均衡，囚徒困境说明均衡未必对集体最优；它在 AI 中用于理解 GAN 训练、多智能体强化学习和扑克 AI 的近似均衡求解。 https://ytdu.com/news/886/https://ytdu.com/news/886/Thu, 05 Nov 2026 00:41:55 GMT百科命名实体识别（Named Entity Recognition，NER）是从文本中识别出具有特定意义的实体并判断其类型的自然语言处理任务，常见类型为人名、地名、机构名、时间、金额等，通常建模为 BIO 序列标注，方法从规则与 CRF 发展到 BiLSTM-CRF、BERT 和大语言模型，是信息抽取、知识图谱构建、搜索与问答的基础，中文还需处理分词边界问题。 https://ytdu.com/news/859/https://ytdu.com/news/859/Thu, 05 Nov 2026 00:41:54 GMT百科线性修正单元（Rectified Linear Unit，ReLU）定义为 f(x)=max(0,x)，正区间导数恒为 1，缓解了 Sigmoid 等饱和激活函数的梯度消失，计算简单并产生稀疏激活；Nair 与 Hinton 在 2010 年将其用于受限玻尔兹曼机，Glorot 等人在 2011 年推广到深层网络，2012 年 AlexNet 采用后成为主流，缺点是“死亡 ReLU”，衍生出 Leaky ReLU、PReLU、ELU、GELU 等变体。 https://ytdu.com/news/860/https://ytdu.com/news/860/Thu, 05 Nov 2026 00:41:54 GMT百科召回率（Recall），又称查全率、灵敏度或真正例率，等于真正例除以真正例与假反例之和，衡量实际正例中被模型找出的比例；它与查准率此消彼长，常用 F1 或 F-beta 综合评价；在检索与推荐中常看 Recall@K，在 RAG 的检索阶段、疾病筛查和安全检测等不能漏的场景中尤为关键。 https://ytdu.com/news/861/https://ytdu.com/news/861/Thu, 05 Nov 2026 00:41:54 GMT百科拟牛顿法（Quasi-Newton Method）用相邻迭代的梯度变化逐步构造海森矩阵（或其逆）的近似，避免直接计算二阶导数，兼具接近牛顿法的超线性收敛与较低的计算成本；代表算法有 DFP、BFGS（1970 年由 Broyden、Fletcher、Goldfarb、Shanno 分别提出）以及只存少量向量的 L-BFGS，常用于逻辑回归、条件随机场和科学计算中的中等规模优化。 https://ytdu.com/news/862/https://ytdu.com/news/862/Thu, 05 Nov 2026 00:41:54 GMT百科伪标签（Pseudo-label）是用已训练模型为无标签样本预测的类别，并把置信度高的预测当作标签加入训练的半监督方法，Dong-Hyun Lee 在 2013 年将其系统用于深度网络；它依赖置信度阈值筛选以防错误自我强化（确认偏差），并发展为自训练、Noisy Student、FixMatch 等方法，也用于领域自适应和大模型的数据合成与蒸馏。 https://ytdu.com/news/863/https://ytdu.com/news/863/Thu, 05 Nov 2026 00:41:54 GMT百科先验概率（Prior Probability）是在获得当前数据或证据之前，基于已有知识对某事件或参数给出的概率，与观察证据后更新得到的后验概率相对，二者通过贝叶斯定理联系；在分类中类先验即各类别的基础比例，忽视它会导致“基础比率谬误”；先验也用于参数估计（L2、L1 正则对应高斯、拉普拉斯先验）和贝叶斯模型选择。 https://ytdu.com/news/864/https://ytdu.com/news/864/Thu, 05 Nov 2026 00:41:54 GMT百科主成分分析（Principal Component Analysis，PCA）是最经典的线性降维方法，由皮尔逊在 1901 年提出、霍特林在 1933 年发展，通过对中心化数据的协方差矩阵做特征分解（或对数据矩阵做 SVD），找出方差最大且彼此正交的主成分方向，把数据投影到前 k 个主成分上，以最少维度保留最多信息；常用于可视化、去噪、压缩和特征提取，对尺度敏感需标准化，只能捕捉线性结构。 https://ytdu.com/news/865/https://ytdu.com/news/865/Thu, 05 Nov 2026 00:41:54 GMT百科预剪枝（Pre-pruning）是在决策树生长过程中，每次划分前先评估这次划分能否提升泛化性能（如验证集精度），不能则停止划分并把当前节点设为叶节点，也可用最大深度、最少样本数、最小增益等条件提前停止；它训练快、开销小，但可能因“贪心”而错过后续有益的划分导致欠拟合，与先长满再剪的后剪枝相对。 https://ytdu.com/news/866/https://ytdu.com/news/866/Thu, 05 Nov 2026 00:41:54 GMT百科正定矩阵（Positive Definite Matrix）是满足对任意非零向量 x 都有 xᵀAx>0 的对称矩阵，等价于所有特征值为正、可做 Cholesky 分解；它保证二次型函数是凸的、有唯一最小值，在机器学习中出现于协方差矩阵（半正定）、核矩阵与默瑟条件、海森矩阵判断极小值、牛顿法与拟牛顿法的下降方向，以及高斯分布的定义。 https://ytdu.com/news/867/https://ytdu.com/news/867/Thu, 05 Nov 2026 00:41:54 GMT百科正类（Positive Class）是二分类任务中被视为“目标”或“关注对象”的类别，通常是较少见、需要检测的一类，如患病、欺诈、垃圾邮件、缺陷品，标记为 1 或 +1；查准率、查全率、F1 等指标都以正类为中心计算，因此指定哪一类为正类会改变这些指标的数值，报告结果时应明确说明。 https://ytdu.com/news/868/https://ytdu.com/news/868/Thu, 05 Nov 2026 00:41:54 GMT百科相对多数投票法（Plurality Voting）是集成学习中组合分类器的投票规则，每个基学习器投一票，选择得票最多的类别作为预测，不要求得票过半，若多个类别并列最多则随机选择其一；它与要求过半的绝对多数投票法、按权重计票的加权投票法并列，是硬投票最常用的形式。 https://ytdu.com/news/869/https://ytdu.com/news/869/Thu, 05 Nov 2026 00:41:54 GMT百科性能度量（Performance Measure）是衡量模型泛化能力的评价标准，回归常用均方误差、平均绝对误差和决定系数，分类常用错误率与准确率、查准率与查全率、F1、P-R 曲线、ROC 与 AUC、代价敏感错误率与代价曲线，排序与检索有 NDCG、MAP，生成任务有 BLEU、ROUGE 与人工评价；选择度量应与任务目标和业务代价一致。 https://ytdu.com/news/870/https://ytdu.com/news/870/Thu, 05 Nov 2026 00:41:54 GMT百科序数属性（Ordinal Attribute），又称有序属性，是取值之间存在有意义的顺序、但相邻取值间的差距不一定相等的离散属性，如学历、满意度等级、衣服尺码、评级；可比较大小、计算中位数和分位数，但不宜做加减与求平均；建模时常用保留顺序的序号编码，也可用有序回归（序数回归）方法预测。 https://ytdu.com/news/871/https://ytdu.com/news/871/Thu, 05 Nov 2026 00:41:54 GMT百科一次性学习（One-shot Learning）指每个新类别只给出一个训练样例就要求模型能识别该类的学习问题，是少样本学习的极端情形；常用孪生网络、匹配网络、原型网络等度量学习方法学习可泛化的相似度，或用元学习（如 MAML）学会快速适应，人脸验证是典型应用，Lake 等人的 Omniglot 研究和大模型的单示例上下文学习也与之相关。 https://ytdu.com/news/872/https://ytdu.com/news/872/Thu, 05 Nov 2026 00:41:54 GMT百科异策略（Off-Policy）是强化学习中用于收集经验的行为策略与正在学习的目标策略不同的一类方法，可以复用旧经验、他人的示范或探索性数据，样本效率更高；Q 学习和 DQN 的经验回放、DDPG、TD3、SAC 都是异策略方法，常借助重要性采样修正分布差异，训练稳定性和离线强化学习中的分布偏移是其主要挑战。 https://ytdu.com/news/873/https://ytdu.com/news/873/Thu, 05 Nov 2026 00:41:54 GMT百科噪声对比估计（Noise-Contrastive Estimation，NCE）是 Gutmann 和 Hyvärinen 在 2010 年提出的参数估计方法，通过训练模型区分真实数据与来自已知噪声分布的样本，把难以计算归一化常数的概率模型估计转化为二分类问题，并可把归一化常数当作参数学习；它被用于加速语言模型和 Word2Vec 的负采样，并启发了对比学习的 InfoNCE 损失。 https://ytdu.com/news/874/https://ytdu.com/news/874/Thu, 05 Nov 2026 00:41:54 GMT百科没有免费的午餐定理（No Free Lunch Theorem，NFL）由 Wolpert 在 1996 年针对监督学习、Wolpert 与 Macready 在 1997 年针对优化提出，指出若对所有可能问题一视同仁地平均，任何两个学习或优化算法的期望性能都相同；它说明脱离具体问题谈算法优劣没有意义，算法的成功依赖于其归纳偏好与问题结构的匹配。 https://ytdu.com/news/875/https://ytdu.com/news/875/Thu, 05 Nov 2026 00:41:54 GMT百科牛顿法（Newton's Method）源自牛顿和拉弗森求方程根的迭代方法，用于优化时在当前点用二阶泰勒展开近似目标函数，以海森矩阵的逆乘梯度作为更新方向，在最优解附近具有二次收敛速度；但需要计算和求逆海森矩阵、海森非正定时可能不下降，因此实践中常加阻尼、线搜索或改用拟牛顿法，逻辑回归的 IRLS 即牛顿法。 https://ytdu.com/news/876/https://ytdu.com/news/876/Thu, 05 Nov 2026 00:41:54 GMT百科负类（Negative Class），又称反类或阴性类，是二分类任务中与关注目标（正类）相对的类别，通常是数量更多、代表“正常”的一类，如健康、正常交易、正常邮件，标记为 0 或 −1；负类样本被正确识别为真反例、被误判为正类即假正例，特异度和假正例率以负类为基础计算，对比学习中的“负样本”也取类似含义。 https://ytdu.com/news/877/https://ytdu.com/news/877/Thu, 05 Nov 2026 00:41:54 GMT百科自然语言处理（Natural Language Processing，NLP）是人工智能中研究计算机理解、处理和生成人类语言的领域，任务涵盖分词与词性标注、句法分析、命名实体识别、情感分析、机器翻译、问答、摘要和对话；经历了规则、统计、神经网络和预训练大模型几个阶段，如今大语言模型以统一方式处理大多数任务。 https://ytdu.com/news/857/https://ytdu.com/news/857/Thu, 05 Nov 2026 00:41:53 GMT百科再生核希尔伯特空间（RKHS）是由一个正定核函数唯一确定的函数希尔伯特空间，具有“再生性”：函数在某点的取值等于它与该点核函数的内积；Aronszajn 在 1950 年系统建立其理论，Moore-Aronszajn 定理保证每个正定核对应唯一的 RKHS，它为核技巧、表示定理、支持向量机和高斯过程提供数学基础。 https://ytdu.com/news/858/https://ytdu.com/news/858/Thu, 05 Nov 2026 00:41:53 GMT百科正则化（Regularization）是限制模型复杂度、防止过拟合、提高泛化能力的各种技术的统称，经典形式是在损失函数中加入参数范数惩罚（L2 岭回归/权重衰减、L1 Lasso、弹性网络），在深度学习中还包括 Dropout、早停、数据增强、批归一化与标签平滑；从贝叶斯角度看，L2 与 L1 分别对应参数的高斯先验和拉普拉斯先验。 https://ytdu.com/news/847/https://ytdu.com/news/847/Thu, 05 Nov 2026 00:32:52 GMT百科维特比算法（Viterbi Algorithm）是 Andrew Viterbi 在 1967 年为卷积码译码提出的动态规划算法，在隐马尔可夫模型等序列模型中，逐时刻记录到达每个状态的最大概率路径及其前驱，最后回溯得到全局最优的隐藏状态序列，复杂度与序列长度和状态数平方成正比，广泛用于通信译码、语音识别、词性标注和 CRF 解码。 https://ytdu.com/news/848/https://ytdu.com/news/848/Thu, 05 Nov 2026 00:32:52 GMT百科VC 维理论（VC Theory）由 Vapnik 和 Chervonenkis 在 1971 年前后提出，用 VC 维——一个假设空间能以所有可能方式完全分开（打散）的最大样本数——刻画模型复杂度，如平面直线的 VC 维为 3、d 维线性分类器为 d+1，并给出泛化误差不超过训练误差加复杂度项的上界，是统计学习理论、结构风险最小化和支持向量机的基础。 https://ytdu.com/news/849/https://ytdu.com/news/849/Thu, 05 Nov 2026 00:32:52 GMT百科子空间（Subspace）是向量空间中对加法和数乘封闭、包含零向量的子集，本身也是向量空间，如三维空间中过原点的平面和直线；机器学习中广泛运用子空间思想：PCA 把数据投影到主成分子空间，子空间聚类假设数据位于多个低维子空间，随机子空间方法为集成学习随机选取特征子集，LoRA 在低秩子空间中微调。 https://ytdu.com/news/850/https://ytdu.com/news/850/Thu, 05 Nov 2026 00:32:52 GMT百科稀疏表达（Sparse Representation），又称稀疏编码，指把数据表示为某个字典中少数几个原子的线性组合，系数向量大多为零；字典可固定（如小波、DCT）或从数据中学习（字典学习，如 K-SVD），求解常用 L1 正则（Lasso）或正交匹配追踪，Olshausen 和 Field 发现其学到的基与视觉皮层感受野相似，广泛用于图像去噪、压缩与识别。 https://ytdu.com/news/851/https://ytdu.com/news/851/Thu, 05 Nov 2026 00:32:52 GMT百科稳定性-可塑性困境（Stability-plasticity Dilemma）由 Grossberg 和 Carpenter 等人提出，指学习系统既需要可塑性以吸收新知识，又需要稳定性以避免新学习破坏已有记忆，两者相互冲突；人工神经网络中表现为灾难性遗忘，自适应谐振理论、互补学习系统理论以及持续学习中的回放、EWC 正则化、参数隔离等方法都在应对这一困境。 https://ytdu.com/news/852/https://ytdu.com/news/852/Thu, 05 Nov 2026 00:32:52 GMT百科语音识别（Speech Recognition）是把口语转换成文字的技术，广泛用于手机语音输入、智能音箱与车载助手、会议与课堂实时转写、视频字幕、客服质检和无障碍辅助；系统形态包括云端与端侧识别、流式与非流式识别，难点在于噪声、远场、口音方言、多人重叠说话、专业术语和隐私保护。 https://ytdu.com/news/853/https://ytdu.com/news/853/Thu, 05 Nov 2026 00:32:52 GMT百科模拟退火（Simulated Annealing）是 Kirkpatrick、Gelatt 和 Vecchi 在 1983 年受金属退火过程启发提出的全局优化算法，基于 Metropolis 准则：更好的解一定接受，更差的解以随“温度”降低而减小的概率接受，从而在早期跳出局部最优、后期逐渐收敛，常用于旅行商、芯片布局、调度等组合优化问题，冷却速度是关键参数。 https://ytdu.com/news/854/https://ytdu.com/news/854/Thu, 05 Nov 2026 00:32:52 GMT百科相似度度量（Similarity Measure）是量化两个对象相似程度的函数，常与距离度量互为反面；常见的有基于距离的欧氏、曼哈顿、闵可夫斯基距离，基于方向的余弦相似度，基于集合的 Jaccard 系数，基于相关的皮尔逊相关系数，序列的编辑距离与动态时间规整，以及可学习的度量；向量检索、推荐、聚类与 K 近邻都依赖它。 https://ytdu.com/news/855/https://ytdu.com/news/855/Thu, 05 Nov 2026 00:32:52 GMT百科Sigmoid 函数（逻辑函数）σ(x)=1/(1+e^(−x)) 把任意实数平滑映射到 0 到 1 之间，形如 S 形曲线，导数为 σ(x)(1−σ(x)) 且最大仅 0.25；它用作逻辑回归和二分类输出层的概率函数、LSTM 与 GRU 中的门控，以及早期神经网络的激活函数，但因饱和导致梯度消失、输出非零中心，隐藏层已多改用 ReLU。 https://ytdu.com/news/856/https://ytdu.com/news/856/Thu, 05 Nov 2026 00:32:52 GMT百科无人驾驶（Self-Driving），即自动驾驶，指车辆利用摄像头、激光雷达、毫米波雷达等传感器和人工智能，自主完成感知、定位、预测、规划与控制的技术；国际汽车工程师学会把它分为 L0 到 L5 六级，技术路线有多传感器融合与纯视觉、模块化与端到端之分，目前已在部分城市开展 Robotaxi 运营，但长尾场景、安全验证与法规责任仍是挑战。 https://ytdu.com/news/828/https://ytdu.com/news/828/Thu, 05 Nov 2026 00:32:51 GMT百科码率自适应（Adaptive Bitrate Streaming，ABR）是把视频预先编码成多种码率并切成小片段，播放器根据实时带宽和缓冲区状态逐段选择合适码率下载的流媒体技术，主流协议有 HLS 和 MPEG-DASH，决策算法分为基于吞吐量、基于缓冲区（如 BOLA）和混合方法，研究者还用强化学习训练码率策略（如 Pensieve）。 https://ytdu.com/news/829/https://ytdu.com/news/829/Thu, 05 Nov 2026 00:32:51 GMT百科张量处理单元（Tensor Processing Unit，TPU）是谷歌自研、专为神经网络矩阵运算设计的专用集成电路，2016 年公开，核心是由大量乘加单元组成的脉动阵列以高效完成矩阵乘法，第一代用于推理，后续版本支持训练并组成大规模 Pod，通过谷歌云提供，Gemini 等模型主要在 TPU 上训练。 https://ytdu.com/news/830/https://ytdu.com/news/830/Thu, 05 Nov 2026 00:32:51 GMT百科斜决策树（Oblique Decision Tree），又称多变量决策树，在每个内部节点使用多个特征的线性组合（如 0.8x₁ − 1.5x₂ ≤ 2）进行划分，划分边界可为任意方向的超平面，比轴平行的单变量决策树更少节点就能拟合斜向边界；代表算法有 CART-LC、OC1，代价是每个节点需搜索系数、计算量大、可解释性下降。 https://ytdu.com/news/831/https://ytdu.com/news/831/Thu, 05 Nov 2026 00:32:51 GMT百科无序属性（Non-ordinal Attribute）是取值之间不存在大小或先后关系的离散属性，如颜色、城市、血型，不能直接用数值差计算距离；计算样本距离时可用 VDM（值差异度量）按各取值在各类中的分布衡量差异，并可与闵可夫斯基距离组合处理混合属性，建模时常用独热编码，与可比较大小的有序属性相对。 https://ytdu.com/news/832/https://ytdu.com/news/832/Thu, 05 Nov 2026 00:32:51 GMT百科限定等距性（Restricted Isometry Property，RIP）是 Candès 和陶哲轩在 2005 年前后提出的测量矩阵条件：若对所有 k-稀疏向量，矩阵作用后长度的变化都被控制在 1±δ 倍之内，则可通过 L1 最小化从远少于信号长度的线性测量中精确或稳定地恢复稀疏信号；随机高斯矩阵以高概率满足它，它是压缩感知理论的核心。 https://ytdu.com/news/833/https://ytdu.com/news/833/Thu, 05 Nov 2026 00:32:51 GMT百科训练样例（Training Instance），也称训练样本，是训练集中的单个数据记录，由描述对象的特征（属性）组成，监督学习中还附带标签，构成“样例”；训练样例的数量、质量、代表性和标签准确性直接决定模型能学到什么，需与验证集、测试集中的样例严格分开。 https://ytdu.com/news/834/https://ytdu.com/news/834/Thu, 05 Nov 2026 00:32:51 GMT百科支持向量展式（Support Vector Expansion）指支持向量机的最优解可写成训练样本核函数的线性组合 f(x)=Σαᵢyᵢκ(x, xᵢ)+b，且只有拉格朗日乘子 αᵢ 非零的支持向量出现在展式中；它是表示定理在 SVM 中的体现，使模型稀疏、预测只需与支持向量计算核函数。 https://ytdu.com/news/835/https://ytdu.com/news/835/Thu, 05 Nov 2026 00:32:51 GMT百科稀疏性（Sparsity）指向量、矩阵或模型中绝大多数元素为零或可忽略、只有少数元素起作用的性质；在机器学习中体现为稀疏数据（文本词袋、用户评分）、稀疏模型（L1 正则得到少量非零系数）、稀疏表示与压缩感知、神经网络剪枝和混合专家的稀疏激活，可带来可解释性、存储与计算节省。 https://ytdu.com/news/836/https://ytdu.com/news/836/Thu, 05 Nov 2026 00:32:51 GMT百科状态特征函数（Status/State Feature Function）是线性链条件随机场中只依赖当前位置标签与观测序列的特征函数，与刻画相邻两个标签转移关系的转移特征函数相对；每个特征函数取值多为 0 或 1，由对应权重加权求和后构成条件概率的指数项，如“当前词首字母大写且标签为人名”。 https://ytdu.com/news/837/https://ytdu.com/news/837/Thu, 05 Nov 2026 00:32:51 GMT百科真正例率（True Positive Rate，TPR）等于真正例数除以真正例与假反例之和，即实际为正的样本中被判为正的比例，与查全率、召回率、灵敏度含义相同；它是 ROC 曲线的纵轴，常与假正例率一起权衡，在疾病筛查、安全检测等不能漏报的场景中尤为重要。 https://ytdu.com/news/838/https://ytdu.com/news/838/Thu, 05 Nov 2026 00:32:51 GMT百科真正例（True Positive，TP）是混淆矩阵中实际为正类且被模型正确预测为正类的样本，与假正例（误报）、假反例（漏报）、真反例共同构成二分类结果的四种情况；查准率、查全率、F1 分数和真正例率都以真正例数为分子，在目标检测中则以与真实框交并比超过阈值的预测框计为真正例。 https://ytdu.com/news/839/https://ytdu.com/news/839/Thu, 05 Nov 2026 00:32:51 GMT百科真反例（True Negative，TN）是混淆矩阵中实际为负类且被模型正确预测为负类的样本，是计算特异度（真反例率 = TN/(TN+FP)）、假正例率（1 − 特异度）和准确率的组成部分；在负类占绝大多数时真反例数量巨大，会使准确率和 ROC 曲线显得乐观，因此常需结合不含 TN 的查准率与 PR 曲线。