相应单词在句子中出现的次数。
●表示成包含数百个元素（低维度）的密集向量，其中每个元素都包含一个介于0和1之间的浮点值。这就是一种嵌套。
在TensorFlow中，会按反向传播损失训练嵌套，和训练神经网络中的任何其他参数时一样。
经验风险最小化(EmpiricalRiskMinimization，ERM)
用于选择可以将基于训练集的损失降至最低的模型函数。与结构风险最小化相对。
集成学习(ensemble)
多个模型的预测结果的并集。你可以通过以下一项或多项来创建集成学习：
●不同的初始化。
●不同的超参数。
●不同的整体结构。
深度模型和宽度模型属于一种集成学习。
周期(epoch)
在训练时，整个数据集的一次完整遍历，以便不漏掉任何一个样本。因此，一个周期表示“N/批次规模”次训练迭代，其中N是样本总数。
Estimator
tf.Estimator类的一个实例，用于封装负责构建TensorFlow图并运行TensorFlow会话的逻辑。可以创建自己的自定义Estimator，也可以将其他人预创建的Estimator实例化。
样本(example）
数据集的一行。一个样本包含一个或多个特征，此外，还可能包含一个标签。另可参阅有标签样本和无标签样本。
F
假负例(FalseNegative，FN)
考虑一个二分类问题，即将实例分成正类（Positive）或负类（Negative）。对一个二分类问题来说，会出现4种情况。如果一个实例是正类并且也被预测成正类，即为真正类（TruePositive）；如果实例是负类被预测成正类，称为假正类（FalsePositive）。相应地，如果实例是负类被预测成负类，称为真负类（TrueNegative）；如果正类被预测成负类，则称为假负类(FalseNegative)。
FN是被模型错误地预测为负类别的样本。例如，模型推断出某封电子邮件不是垃圾邮件（负类别），但该电子邮件其实是垃圾邮件。
附录D 术语列表
453