人工智能与大数据技术导论
假正例(False Positive，FP)
被模型错误地预测为正类别的样本。例如，模型推断出某封电子邮件是垃圾邮件(正类别)，但该电子邮件其实不是垃圾邮件。
假正例率(False Positive Rate，FP率)
ROC曲线中的x轴。FP率的定义如下：
假正例率=假正例数/（假正例数+真负例数）
特征（feature）
在进行预测时使用的输入变量。
特征列(FeatureColumns)
一组相关特征，例如用户可能居住的所有国家/地区的集合。样本的特征列中可能包含一个或多个特征。TensorFlow中的特征列内还封装了元数据，例如：
●特征的数据类型。
●特征是固定长度还是应转换为嵌套。
特征列可以包含单个特征。
特征交叉组合(featurecross)
通过将单独的特征进行组合（相乘或求笛卡尔积）而形成的合成特征。特征组合有助于表示非线性关系。
特征工程(feature engineering)
特征工程有时称为特征提取，过程为：确定哪些特征可能在训练模型方面非常有用，然后将原始数据转换为所需的特征。
特征集(feature set)
训练机器学习模型时采用的一组特征。例如，对于某个用于预测房价的模型，邮政编码、房屋面积以及房屋状况可以组成一个简单的特征集。
特征规范(feature spec)
用于描述如何从 tf.Example proto buffer提取特征数据。由于tf.Example proto buffer只是一个数据容器，因此必须指定以下内容：
●要提取的数据（特征的键）。
●数据类型（例如float或 int）。
● 长度（固定或可变）。
EstimatorAPI提供了一些可用来根据给定Feature Columns列表生成特征规范的工具。
454