谷歌机器学习术语表：快速掌握关键概念

"机器学习术语表是由Google Developers提供的免费学习资源，它为理解和掌握机器学习概念提供了中文版的词汇指南。这份术语表涵盖了广泛的术语，包括但不限于： 1. A/B测试（A/B Testing）：这是一种统计方法，用于比较两种或多种技术的效果，通常用于评估新旧技术之间的差异。A/B测试不仅关注技术效果的优劣，还通过统计分析确定这种差异是否具有实际意义。 2. 准确率 (Accuracy)：在机器学习分类模型中，衡量正确预测的比例。对于二元分类，它是真正例（TP）除以总样本数；在多类别分类中，是所有类别正确预测数除以总样本数。它是评估模型性能的基础指标之一。 3. 激活函数 (Activation Function)：神经网络中的关键组件，如ReLU（Rectified Linear Unit）或S型函数（如Sigmoid），它们对输入进行非线性转换，使模型能够处理复杂的数据关系。 4. AdaGrad：一种高级的梯度下降优化算法，它为每个参数自适应地调整学习速率，使得每个参数的学习过程更加高效。它有助于防止在训练过程中某些参数更新过快导致的问题。 5. ROC曲线 (Receiver Operating Characteristic Curve) 和 AUC (Area Under the Curve)：ROC曲线是一种绘制真正例率（True Positive Rate, TPR）与假正例率（False Positive Rate, FPR）随分类阈值变化的图形。AUC是ROC曲线下的面积，它提供了一个不依赖于特定阈值的模型性能度量，尤其在不平衡数据集中，AUC更为重要。 理解这些基础术语有助于新手入门机器学习，并且随着深入学习，它们将成为理解更复杂概念和算法的基石。通过这份术语表，学习者可以系统地掌握机器学习的各个方面，从而在实际项目中更有效地应用机器学习技术。"