machine learning

surrogate

替代的

binary case

二元分類

linearly separable

線性可分；可用一條直線或超平面分開

margin

分類分數；用來判斷分對、分錯及其程度

magnitude

數值的絕對大小

sign

正負號

misclassification rate

分類錯誤率

flat

平坦的

jump

突然跳變

signal

指引方向的訊號

nudge

輕推；稍微調整

empirical risk

經驗風險；訓練資料上的平均損失

offline

離線；這裡指所有資料都已經拿到

intractable

難以有效率地解決

convex

凸的；凸函數的

surrogate loss

替代損失函數

penalizing

施加懲罰

confident mistakes

模型很有把握卻分錯的情況

hinge

鉸鏈；這裡形容函數的折角

subgradient

次梯度；一般導數不存在時仍可用來決定更新方向

differentiability

可微分性

kink

折角

valid

有效的；符合條件的

recover

重新推導出

closed form

封閉解；可以直接用公式表示的解

SGD step

SGD 的一次更新

mistake-driven update

由分類錯誤觸發的更新

perceptron

感知器；一種線性分類演算法

mistake-driven

由錯誤驅動的

operational view

從實際怎麼操作的角度理解

derive

推導出

first principles

基本原理

coded

編碼；用數字表示

compact

簡潔的；精簡的

sweep through

依序走過；完整檢查一遍

geometrically

從幾何、圖形的角度來看

symmetrically

以對稱或類似的方式

algebraically

從代數、公式的角度來看

convergence

收斂；這裡指最後能把所有訓練點分對

recheck

重新檢查

arbitrary

任意的

linear separator

能把兩種類別分開的直線或超平面

bounded

有上界的

rigorously

嚴謹地

converging to a separator

收斂到能分開資料的分類器

gamma (γ)

所有訓練點都要達到的最低正 margin

R

所有訓練資料向量的長度上限

geometry of the data

資料點的幾何分布

sanity check

合理性檢查

witnesses separability

證明這組資料可以線性分開

consistent

一致的；不矛盾的