| کلمات | توضیح | |
|---|---|---|
| ۱ | Unawareness(To A Sensitive Attribute) |
موقعیتی که در آن ویژگی‌های حساس وجود دارند، اما در میان دادههای آموزش نیستند. از آنجایی که ویژگی‌های حساس اغلب با سایر ویژگی‌های داده ارتباط دارند، مدلی که با عدم آگاهی نسبت به یک ویژگی حساس آموزش... |
| ۲ | Underfitting |
زمانی رخ می‌دهد که مدل پیچیدگی دادههای آموزش را به دست نیاورده است و توانایی پیش‌بینی آن ضعیف است. بسیاری از مسائل می‌توانند باعث کم‌برازش شوند از جمله: آموزش مجموعه‌ی اشتباه از ویژگی‌ها. دوره‌های... |
| ۳ | Unlabeled Example |
نمونه‌ای که شامل یک سری ویژگی، اما فاقد برچسب است. نمونه‌های بدون برچسب ورودی استنتاجی هستند که در حین آموزش یادگیری نیمه نظارت شده و بدون نظارت از آن‌ها استفاده می‌شود. |
| ۴ | Unsupervised Machine Learning |
آموزش یک مدل برای یافتن الگوها در یک مجموعه داده که به طور معمول یک مجموعه داده بدون برچسب است. متداول‌ترین کاربرد یادگیری ماشین بدون نظارت، خوشه‌بندی داده‌ها در گروه‌هایی از نمونه‌های مشابه است. به... |
| ۵ | Upweighting |
افزودن وزن برای کلاس نمونه‌کاهی برابر با فاکتوری که در آن نمونه برداری صورت گرفته است. |
| ۶ | User Matrix |
در سیستم‌های توصیه‌گر یک تعبیه است، که توسط فاکتوراسیون ماتریس ایجاد می‌شود و سیگنال‌های نهان درباره تنظیمات کاربر را در خود نگه می‌دارد. هر ردیف از ماتریس کاربر، اطلاعاتی در مورد قدرت نسبی سیگنال‌های... |