| کلمات | توضیح | |
|---|---|---|
| ۱ | Hashing |
در یادگیری ماشین مکانیزمی است برای جمع آوری داده‌های دسته‌بندی شده، به ویژه هنگامی که تعدادشان زیاد باشد، اما تعداد دسته‌های نسبتا کمی در مجموعه داده ظاهر شوند. به عنوان مثال زمین محل زندگی حدود ۶۰۰۰۰... |
| ۲ | Heuristic |
یک راه حل سریع برای یک مسئله، که ممکن است بهترین راه حل باشد یا نباشد. به عنوان مثال "با یک ابتکار، ما به دقت ۸۶٪ دست یافتیم ولی هنگامی که از شبکه عصبی عمیق استفاده کردیم، دقت تا ۹۸٪ افزایش... |
| ۳ | Hidden Layer |
در شبکه عصبی یک لایه ساختگی(مصنوعی) بین لایه ورودی (یعنی ویژگی‌ها) و لایه خروجی (پیش‌بینی) است. لایه‌های پنهان اغلب دارای یک تابع فعال سازی (مانند ReLU) برای آموزش هستند. یک شبکه عصبی عمیق بیش از یک... |
| ۴ | Hidden State |
نورون‌هایی از یک شبکه عصبی بازگشتی که مانند حافظه مدل عمل می‌کنند. حافظه نهان یک شبکه عصبی بازگشتی باید اطلاعات موجود در داده‌هایی که قبلا توسط مدل دیده شده را در خود ذخیره کند تا در پیش‌بینی‌های... |
| ۵ | Hierarchical Clustering |
دسته‌ای از الگوریتم‌های خوشه‌بندی، که درختی از خوشه‌ها را ایجاد می‌کنند. این الگوریتم‌ها برای داده‌های سلسله مراتبی مانند طبقه‌بندی‌های گیاهی مناسب هستند. دو نوع الگوریتم خوشه‌بندی سلسله مراتبی وجود... |
| ۶ | Hinge Loss |
خانواده‌ای از توابع هزینه که برای طبقه‌بندی طراحی شده‌اند تا مرز تصمیم گیری را تا جایی که ممکن است از هر نمونه آموزش پیدا کنند. بنابراین تفاوت بین مثال‌ها و مرز تصمیم را به حداکثر می‌رساند. KSVMs ها... |
| ۷ | Holdout Data |
نمونه‌هایی از داده که عمدا در حین آموزش استفاده نشده‌اند(نگه داشته شده). مجموعه داده‌های اعتبار سنجی و آزمایشی، نمونه‌هایی از داده‌های نگه‌داری هستند. داده‌های نگه‌داری می‌توانند به ارزیابی توانایی... |
| ۸ | Hyperparameter |
پارامتر‌هایی که در طول دوره‌های متوالی آموزش یک مدل تغییر می‌دهید. به عنوان مثال میزان یادگیری یک ابر پارامتر است. متضاد: پارامتر |
| ۹ | Hyperplane |
مرزی که یک فضا را به دو زیر فضا تقسیم می‌کند. به عنوان مثال خط، یک صفحه‌ی دو بعدی است و صفحه یک ابر صفحه‌ی سه بعدی است. به طور معمول در یادگیری ماشینی، ابر صفحه مرزی است که یک فضای با ابعاد بالا را... |