[机器学习]符号表

符号 含义

R

实数集

Rn

n维实数向量空间

H

希尔伯特空间

X

输入空间

Y

输出空间

x∈X

输入，实例

y∈Y

输出，标记

X

输入随机变量

Y

输出随机变量

T={(x1,y1),(x2,y2),...,(xN,yN)}

训练数据集

N

样本容量

(xi,yi)

第i个训练数据点

x=(x(1),x(2),...,x(n))T

输入向量，n维实数向量

x(j)i

输入向量xi的第j分量

P(X),P(Y)

概率分布

P(X,Y)

联合概率分布

F

假设空间

f∈F

模型，特征函数

θ,ω

模型参数

ω=(ω1,ω2,...,ωn)T

权值向量

b

偏置

J(f)

模型复杂度

Remp

经验风险或经验损失

Rexp

风险函数或期望损失

L

损失函数，拉格朗日函数

η

学习率

||∙||1

L1范数

||∙||2,||∙||

L2范数

(x⋅x′)

向量x和x′的内积

H(X),H(p)

熵

H(Y|X)

条件熵

S

分离超平面

α=(α1,α2,...,αn)T

拉格朗日乘子，对偶问题变量

αi

对偶问题第i个变量

K(x,z)

核函数

sign(x)

符号函数

I(x)

指示函数

Z(x)

规范化因子