Index A | C | D | E | F | H | K | L | M | N | O | P | Q | R | S | T | U | W | Z | お | か | き | く | さ | し | す | せ | そ | た | て | と | な | に | は | ひ | ふ | へ | ほ | め | も | り | れ | ハ A adversarial attack attribute C categorical classification clustering CSV D data dimensionality reduction E early stopping F feature, [1] feature engineering, [1] H hold-out K k-fold cross validation kぶんかつこうさけんてい-k分割交差検定 L Leave One Out M min-max normalization model N nominal normalization numerical O ordinal over-fitting overfitting P parameterized model parameters predictive model Q quantitative R raw data record regression regularization reinforcement learning S sample scaling, [1] standalization, [1] supervised learning T transaction TSV U unsupervised learning W weight Z z-score normalization z値 お おもみべくとる-重みベクトル か かいき-回帰 かいはつようでーた-開発用データ かがくしゅう-過学習, [1] かてきごう-過適合 かてごりかるぞくせい-カテゴリカル属性 がくしゅう-学習 がくしゅうき-学習器 がくしゅうようでーた-学習用データ き きかいがくしゅう-機械学習 きょうかがくしゅう-強化学習 きょうしありがくしゅう-教師あり学習 きょうしなしがくしゅう-教師なし学習 く くらすたりんぐ-クラスタリング さ さいきゅうこうかほう-最急降下法 さいしょうじじょうほう-最小二乗法 さんぷる-サンプル し しつてきでーた-質的データ じげんさくげん-次元削減 じゅんじょかんけい-順序関係が成り立つ属性 す すうちがたぞくせい-数値型属性 すけーりんぐ-スケーリング, [1] せ せいきか-正規化, [1] せいそくか-正則化 せんけいかいきもでる-線形回帰モデル せんけいわ-線形和 そ そせいかんすう-素性関数 ぞくせい-属性, [1] た たじげんくうかん-多次元空間 て てきたいてきさんぷる-敵対的サンプル てすとようでーた-テスト用データ でーた-データ でーたべーす-データベース と とくちょう-特徴, [1] とくちょうべくとる-特徴ベクトル とくちょうりょう-特徴量, [1] とくちょうりょうえんじありんぐ-特徴量エンジニアリング とくちょうりょうかんすう-特徴量関数 とくちょうりょうこうがく-特徴量工学 とらんざくしょん-トランザクション な なまでーた-生データ に にちぶんるいたすく-二値分類タスク は はずれち-外れ値 はんこうぞうかでーた-半構造化データ はんぷくほう-反復法 ばりでーしょんようでーた-バリデーション用データ ぱらめーた-パラメータ ぱらめーたすいてい-パラメータ推定 ひ ひょうじゅんか-標準化, [1] ふ ふきんこう-不均衡 ぶんるい-分類 へ ぺなるてぃ-ペナルティ ほ ほーるどあうとほう-ホールドアウト法 め めいぎぞくせい-名義属性 も もでる-モデル, [1] り りょうてきぞくせい-量的属性 りょうてきでーた-量的データ れ れこーど-レコード ハ ハイパーパラメータ
