模型训练(model training）
确定最佳模型的过程。
动量（Momentum）
一种先进的梯度下降法，其中学习步长不仅取决于当前步长的导数，还取决于之前一步或多步的步长的导数。动量涉及计算梯度随时间而变化的指数级加权移动平均值，与物理学中的动量类似。动量有时可以防止学习过程被卡在局部最小的情况。
多类别分类(multi-classclassification)
区分两种以上类别的分类问题。例如，枫树大约有128种，因此，确定枫树种类的模型就属于多类别模型。反之，仅将电子邮件分为两类（“垃圾邮件”和“非垃圾邮件”）的模型属于二元分类模型。
多项分类(multinomialclassification)
多类别分类的同义词。
N
NaN陷阱(NaN trap)
模型中的一个数字在训练期间变成NaN，这会导致模型中的很多或所有其他数字最终也会变成NaN。NaN是“非数字”的缩写。
负类别(negative class)
在二元分类中，一种类别称为正类别，另一种类别称为负类别。正类别是我们要寻找的类别，负类别则是另一种可能性。例如，在医学检查中，负类别可以是“非肿瘤”。在电子邮件分类器中，负类别可以是“非垃圾邮件”。另可参阅正类别。
神经网络(neuralnetwork)
一种模型，灵感来源于脑部结构，由多个层构成（至少有一个是隐藏层），每个层都包含简单相连的单元或神经元（具有非线性关系）。
神经元(neuron)
神经网络中的节点，通常用于接收多个输入值并生成一个输出值。神经元通过将激活函数（非线性转换）应用于输入值的加权和来计算输出值。
节点(node)
多含义术语，可以理解为下列两种含义之一：
●隐藏层中的神经元。
附录D 术语列表
461