머신러닝 관련 용어를 정리합니다. 머신러닝 원문 용어의 한글 맵핑과 관련 정보를 정리합니다.

A

• Accuracy: 정확도
  • 분류 성능 모델 성능 지표
  • 다중 클래스 분류에서 정확도
    • $\frac{#True Positive}{#Total Examples}$
  • 이진 분류 정확도
    • $\frac{#True Positive + #True Negative}{#Total Examples}$
• Activation function: 활성화 함수
• Adam: Adaptive Moment Estimation
  • 과거의 미분값의 방향과 분산을 계속 가중평균 내에서 효과적인 업데이트 방향과 크기 선택
• AdamGrad
  • 미분값의 크기를 추적하고 학습률을 데이터에 적응
• Affine transformation: 어파인 변환
• Algorithm: 알고리즘
  • 입력을 출력으로 변환하기 위해 수행되는 명령의 순서
• Anomaly Detection: 이상 탐지
• Area under the curve(AUC): 곡선 아래 면적
  • 관련 용어: ROC 곡선
• Artificial Neural Network: 인공신경망
• Association Rule Learning: 연관 규칙 학습
• Autoencoder: 오토인코더
• Average pooling: 평균 풀링

B

• backpropagation: 오차역전파법
• Backpropagation Through Time: 시간 기반 오차역전파법
• Backward propagation: 역전파
• Batch: 배치
• Batch Learning: 배치 학습
• Batch Nomalization: 배치 정규화
  • 학습 속도 향상
  • 과대적홥 방지
  • 초깃값에 크게 의존하지 않음
• Bayesian: 베이지언
  • 불확실성을 정량화하는 것을 목표로 하는 통계확 관점
  • 베이지언은 확률을 빈도의 개념이 아니라 믿음의 정도로 해석하는 관점
• Bias: 편향
• Bidirected RNN: 양방향 순환 신경망
• binary classification: 이진 분류
  • 상호 배타적인 두 클래스 중 하나를 출력하는 분류
  • 예: ‘스팸’ / ‘스팸 아님’
• bilinear interpolation: 이중선형 보간
  
• Binomial Distribution: 이항분포
  • 이항 분포는 연속된 n번의 독립적 시행에서 각 시행이 확률 p를 가질 때의 이산 확률 분포
  • 이러한 시행은 베르누이 시행이라고 불리기도 함
• Binomial Logistic Regression: 이항 로지스틱 회귀
  

C

• category: 범주
• Categorical data: 범주형 데이터
  • 가능한 값의 불연속 집합을 갖는 특성
  • 관련 용어: Numerical data(수치 데이터)
• Central Limit Theorem: 중심 극한의 원리
  • 표본들의 평균을 구할 때, 극단적인 값을이 서로 상쇄되어 평균값으로 모이는 경향
• Centroid: 중심(센트로이드)
• Chain rule: 연쇄법칙
  
• Chi-sqare: 카이제곱
• Chi-sqare Feature Selection: 카이제곱 특성 선택법
• Classification: 분류
• Classification threshold: 분류 임계값
  • 긍정과 부정을 결정하는 모델의 예측 점수의 스칼라 기준 값
• Closed-form Solution: 닫힌 형태의 해
• Clustering: 군집
• CNN: 합성곱 신경망
• Coefficient: 계수
• Collaborative filtering: 협업 필터링
  • 여러 사람의 관심분야를 기반으로 특정인의 관심 분야 예측
  • 추천에 자주 사용
• Computational Complexity: 게산 복잡도
• Corpus: 말뭉치
• Confidence Interval
  • (통계)신뢰구간
    • 신뢰 수준의 확률로 모평균을 포함하는 구간
• Confidence Level
  • (통계)신뢰수준
    • 어떤 모수가 신뢰 구간에 포함될 확률
    • 동일한 모집단에서 반복해서 표본을 추출할 경우 모집단 모수를 포함할 구간의 비율
• Confuse Matrix: 혼동 행렬
  • 학습된 모델이 예측한 예측 범주와 데이터의 실제 분류 범주의 빈도를 교차표 형태로 정리한 행렬
  • 분류 정확도 등 분류 학습 모델 결과 평가에 사용
  • 분류 문제에서 관심이 있는 범주를 긍정(Positive), 그 외 범주를 부정(Nagative)라고 지정
  • 범주의 종류
    • True Positive: 참 긍정 -> 긍정을 바르게 예측
    • True Negative: 참 부정 -> 부정을 바르게 예측
    • False Positive: 거짓 긍정 -> 긍정을 잘못 예측
    • False Negative: 거짓 부정 -> 부정을 잘못 예측
• Continuous feature: 연속 특성
  • 부동 소수점 타입의 특성
• Continuous Probability Distribution: 연속 확률 분포
• Continuous Random Variable: 연속 확률 변수
  • 확률변수가 취할 수 있는 값이 일정한 구간내의 실수로서 그 수가 무한한 확률변수
  • 체중, 온도, 키
  • 대표 사례: 정규분포
• Convergence: 수렴
• Convex: 볼록
• Convex function: 볼록 함수
• Convolution: 컨볼루션
• Convolutional layer: 컨볼루션 레이어
• Correllation Coefficient: 상관 계수
• Cosine Similarity: 코사인 유사도
  • 두 벡터의 사이의 각도를 -1에서 1로 나타내는 척도
  • 1이면 크고 -1이면 작다
• Cost: 비용
  • Loss(손실)과 동의어
• Cost Function: 비용 함수
• Curse of Dimensionality: 차원의 저주
• Cross Entropy: 교차 엔트로피
• Cross Validation: 교차 검증
• Cross Validation Error: 교차 검증 오차
• Cumulative Reward: 누적 보상

D

• Data augmentation 데이터 증식
• Data Mining: 데이터 마아닝
  • 머신러닝을 적용하여 대용량 데이러를 분석하여 숨겨진 패턴을 찾는 것
• Data Snooping Bias: 데이터 스누핑 편향
  • 테스트 데이터가 유출되어 편향을 일으키는
• Dataset: 데이터셋
  • 사례를 모은 것
• Decision boundary: 결정 경계
  • 클래스 사이의 구분 선
• Decision Function: 결정 함수
  • 유사어: Distrimination Function(판별 함수)
  • 샘플 공간(표본 공간)에서 결정 영역(Decision Region)을 대응/사상/매핑하는 함수
• Decision Tree: 결정 트리
• Degree of Freedom: 자유도
• Default Value: 기본값
• Dense layer: 덴스 레이어
  • Fully Connected Layer(전연결 레이어)와 동의어
• Density Estimation: 밀도 추정
• Density-based clustering: 밀도 기반 클러스터링
• Deep Belief Network: 심층 신뢰 신경망
• Deep Model: 심층 모델
  • 여러 히든 레이어를 포함하는 신경망
• Deep learning: 딥러닝
  
• Deep Belief Network: 심층 신뢰 신경망
• Deep Neural Network(DNN): 심층 신경망
• Deep Reinforcement Learning: 심층 강화 학습ㅊ
• Dependent Variable: 종속 변수
• Derived feature: 파생 피처
• Deviation: 편차
• Diagram: 그림, 도식, 도표
• Dimensionality Reduction: 차원 축소
• Discrete feature: 불연속 특성
  • 가능한 값의 유한 집합을 갖는 특성
• Discrete Probability Distribution: 이산 확률 분포
• Discrete Random Variable: 이산 확률 변수
  • 확률변수가 취할 수 있는 값의 수가 유한하거나 무한하더라도 셀수있는(countable) 확률변수
  • 동전을 1,000개 던질 때 앞면의 수
  • 관련 용어: Continuous Random Variable
• Document Categorization: 문서 분류
• Document Classification: 문서 분류
• Document Frequency: 문서 빈도
• Document Segmentation: 문서 세그멘테이션
• Dot product: 스칼라 곱
• Double Presicion: 배정밀도
• Dropout: 드롭아웃
• Dropout regularization: 드롭아웃 규제
  • 신경망을 학습시키는 데 유용한 규제 형태
  • 네트워크를 학습시켜 더 작은 네트워크로 이루어진 대규모 앙상블을 모방하도록 하는 방식과

E

• Early stopping: 조기 중단
• Edit Distance: 편집 거리
• Edge: 윤곽선
• Element: 요소, 개체, 레코드
  • 변량에 대한 실제의 수치
• Embeddings: 임베딩
  • 임베딩(embeddings)은 고차원 벡터를 저차원 공간으로 변환한 결과
  • 예제
    • 백만 개의 요소를 갖는(고차원) 희소 벡터를 수백 개의 요소를 갖는(저차원) 밀집 벡터로 표현
• Embedding Learning: 임베딩 학습
• Ensemble: 앙상블
  • 여러 모델의 예측을 병합한 결과
• Ensemble learning: 앙상블 학습
• Ensemble method: 앗상블 방법
  
• Epoch: 에포크
  • 전체 데이터 세트의 각 예를 한 번씩 확인한 학습 단계
• Error: 오차
  • 실제 값과 예측값의 차이
  • 유형
    • training error: 학습 오차
    • Generation error: 일반화 오차
    • Test error: 테스트 오차
• Error Function: 오차 함수
• Error Rate: 오차율
  • 분류 성능 모델 성능 지표
• Extimation: 추정
• Example: 사례
  • 데이터셋의 한 개 데이터, 하나 이상의 특성을 포함
  • 지도하급이라면 라벨을 포함함
• Expected Value: 기대값
• Expectation Maximization: 기댓값 최대화
• Expert System: 전문가 시스템
• Exponential function: 지수 함수
  

F

• Factor Matrix: 요인 행렬
• Feature: 특성
  • 예측을 수행하는 데 사용되는 입력 변수
• Feature Engineering: 특성 공학
• Feature Extraction: 특성 추출
  • 상관 관계가 있는 여러 특성을 합치는 기법
• Feature Improtance: 특성 중요도
  • 머신러닝 알고리즘에서 특성의 중요 정도를 평가
  • 출처: 파이썬 라이브러리를 활용한 머신러닝(p109)
• Feature map: 특성 맵
• Feature Selection: 특성 선정
• Feed-forward neural network: FFNets, FF넷
• Filter: 필터
  
• Forget gate: 망각 게이트
• Fully connected layer: 완전 연결 계층
  • 각 노드가 다음 히든 레이어의 모든 노드에 연결된 히든 레이어.
  • Dense Layer와 동의어

G

• Gate Recurrent Unit: GRU
• Gaussian Maxture Model: 가우시안 혼합 모형
• Generalization: 일반화
  • 모델에서 학습에 사용된 데이터가 아닌 이전에 접하지 못한 새로운 데이터에 대해 올바른 예측을 수행하는 역량
• Generalization Error: 일반화 오류
• Generalization linear model: 일반화 선형 모델
• Global Minimum: 전역 최솟값
• Gradient: 기울기
  • 모든 독립 변수를 기준으로 한 편미분의 벡터
• Gradient Method 경사법
  • Gradient Ascent Method: 경사 상승법
  • Gradient Descent Method: 경사 하강법
• Gradient Vanishing: 기울기 소실
  • 신경망이 깊을때 역전파중에 소실Vanishing되는 효과

H

• Hidden layer: 은닉 레이어
  • 신경망에서 입력 레이어(특성)와 출력 레이어(예측) 사이에 위치하는 합성 레이어
• Hierachical Clustering Analysis(HCA): 계층 군집 분석
• Hold-out: 홀드아웃
  • 학습 중에 의도적으로 사용하지 않는 데이터를 유지하는 전략
• Hyperplane: 초평면
  • a subspace of one dimension less than its ambient space
  • 유한 공간 보다 한 차원 낮은 부분 공간
  • 3차원의 부분 공간인 평면을 일반화한 명칭
• Hypothesis: 가설
• Hyperparameter: 하이퍼파라미터
  • 학습 파라미터가 아닌 사용자가 변경하는 파라미터
  • 아키텍처를 결정
• hyperplane: 초평면
  • 한 공간을 두 부분공간으로 나누는 경계
  • 초평면의 형태
    • 2차원의 초평면: 직선
    • 3차원의 초평면: 평면

I ~ J

• Identify function: 항등 함수
• Image Detection: 이미지 검출
  • 이미지에 특정 물체의 존재 여부와 위치
• Image Classification: 이미지 분류
• Imbalanced Dataset: 불균형 데이터셋
• Incremental Learning: 점진적 학습
• Instanced-based Learning: 사례 기반 학습
• Independently and identically distributed(ILL): 독립적이고 동일한 분포
  • 변화가 없는 분포에서 각 값이 이전에 추출된 값에 의존하지 않도록 추출한 데이터
• Input Gate: 입력 게이트
• Input layer: 입력 레이어
• Inference: 추론
  • 학습된 모델을 이용하여 학습하지 않은 사례에 적용하여 예측을 수행하는 것
• instance: 사례
  • example과 동의어
• Iteration: 반복
• Jaccard Coefficient: 자카드 계수
  • 두 집합이 공유하는 원소 수에 기반한 유사도

K

• Kernal: 커널
• K-fold cross-validation: K겹 교차검증
• K-Means: K-평균
• K-Nearest Neighbors: K-최근접 이웃
• Kernel Support Vector Machines(KSVM): 커널 서포트 벡터 머신
  • 초고차원 공간에서 초평면을 사용하여 긍정 클래스와 부정 클래스를 구분
• Knowledge Discovery: 지식발견

L

• Label: 레이블
  • 지도 학습에서 사례의 ‘답’ 또는 ‘결과’ 부분
• Labeling: 라벨링, 식별화
• Lasso Regression: 라쏘 회귀
  • Least Absolute Shrinkage and Selection Operator
• Lambda
  • Regularization rate(정규화율)과 동의어
  • 정규화율을 높이면 과적합이 감소하지만 모델의 정확성이 떨어짐
• Likelyhood: 가능도
• Latent Factor Model: 잠재 요소 모델
• Latent Variable: 잠재변수
• Learning: 학습
• Learning Rate: 학습률
• Learning Rate Decay: 학습률 감소
• Learning Schedule: 학습 스케줄
  • Learning rate schedule
  • 매 반복에서 학습률을 결정하는 함수 (핸드온 머신러닝, p169)
• Linear regerssion: 선형회귀
• Local Minimum: 지역 최솟값
• Loss: 손실
• Loss function: 손실 함수
  • Penality를 어떻게 부여할 지를 정의하는 함수
  • 최적화 과정에서 사용됨
• Locality Linear Embedding: 지역 선형 임베딩
• Logistic Regression: 로지스틱 회귀
• Long short-term memory: LSTM

M

• Manifold Learning: 매니폴드 학습
• Margin: 간격
• Margin Violation: 마진 오류
• Matrix Fractorization: 행렬 분해
• Maxium likehood method: 최대 가능도 방법
• Mean Aboulute Error: 평균 절대 오차
• Mean Squared error: 평균 제곱 오차
• method of least squares, least squares approximation: 최소 제곱법
  • 예측값과 정답의 오차 제곱의 합이 최소가 되는 해를 구하는 방법
• Neural Language Processing: 자연어 처리
• Mini-batch: 미니배치
• Minture normal distribution: 혼합 정규분포
• Missing Value: 결측값
• Model-based Learning: 모델 기반 학습
• Model Parallelism: 모델 병렬화
• Momentum: 모멘텀
• Multinomial Logistic Regression: 다항 로지스틱 회귀
• Multi-layer Perceptron(MLP): 다층 퍼셉트론
  • 1개 이상의 은닉층을 가진 다층 전방향 신경망
• Multivariate regression: 다변량 회귀
  • 여러 특성을 이용한 회귀
  • 관련용어: univariate regression: 단변량 회귀

N

• Naive Bayes Classifier: 나이브 베이즈 분류기
• NER: Named Entity Resolution, 고유명사 추출
• Neural Netwrok: 신경망
• Natural Language Toolkit: NLTK
• Native log-likelihood: 음의 로그 가능도
• Noise: 노이즈
• Nonresponse Bias: 비응답 편향
• Norm: 노름
• Normalization: 정규화
  
• Numerical differentiation: 수치 미분
  

O

• Object Recognition: 사물 인식
• Objective Function: 목적함수
• Observed variable: 관측변수
  • 잠재변수는 구성개념이 직접적으로 관찰되거나 측정이 되지 않는 변수
  • 사회과학적으로 잠재변수 자체로는 전체 통계량을 측정하기에 불가능하기 때문에, 관측변수로 간접적으로 통계 측정
• OCR(Optical Character Recognition): 광학 문자 판독기
• Offline Learning: 오프라인 학습
• One-hot encoding: 원-핫 인코딩
• Online Learning: 온라인 학습
• Optimal Policy: 최적 정책
• Optimization: 최적화
• Outlier: 이상치
• Output layer: 출력 레이어
  
• Out-of-Sample Error: 외부 샘플 오류
• Overfitting: 과대적합

P

• Padding: 패딩
• Penceltile: 백분위수
  • 크기가 있는 값들로 이뤄진 자료를 순서대로 나열했을 때 백분율로 나타낸 특정 위치의 값을 이르는 용어.
  • 100개의 값을 가진 어떤 자료의 20 백분위수는 그 자료의 값들 중 20번째로 작은 값을 뜻한다. 50 백분위수는 중앙값.
  • 관련 용어
    • Quartiles: 사분위수
• Perceptron: 퍼셉트론
• Perceptron convergence theorem: 퍼셉트론 수렴 정리
• Penalty: 벌점
• Policy: 정책
• Polynomial Regression: 다항식 회귀
• Population: 모집단
  • 연구 대상이 되는 모든 관측값이나 측정값의 집합
• POS Tagging: 품사 테깅
  • Part of Speech Tagging
• Pooling Layer: 풀링 레이어
• Precision: 정밀도
• Predictor Variable: 예측 변수
• Prediction: 예측
• Pre-training: 선행 학습
• Principal Component Analysis(PCA): 주성분 분석
• Probability: 확률
• Problem Statement: 문제 진술
• Projection: 투영

Q - R

• Q-Learning: 큐-러닝ㅇㅇ
• Quartiles: 사분위수
• Random Initialization: 무작위 초기화
• Random Variable: 확률변수
  • 시행을 해야 값이 확정되는 변수로써, 시행되는 모든 가능한 결과들의 표현
  • 확률을 가지고 변하는 사건들을 수치로 표현한 것
• Regression: 회귀
• Regression Performance Metrics: 회귀 성능 평가 지표
  • MSE(Mean Squere Error): 평균 제곱 오차
    • 오차의 제곱의 평균
    • $\frac{\sum{(\hat{Y_i}-Y)^2}}{n}$
  • RMSE(Root Mean Squere Error): 루트 평균 제곱 오차
    • 오차의 제곱의 평균의 루트
    • $\sqrt{\frac{\sum{(\hat{Y_i}-Y)^2}}{n}}$
  • MAPE(Mean Absolute Percentage Error): 평균 절대 백분비 오차
    • $\frac{1}{n}\sum{\mid\frac{\hat{y_i}-y_i}{y_i}\mid}$
  • MAD(Mean Absolute Derivation): 평균 절대 편차
    • $\frac{\sum{\mid\hat{y_i}-y_i\mid}}{y_i}$
  • MAE(Mean Absolute Error): 평균 절대 오차
    • $\frac{\sum{\mid\hat{y_i}-y_i\mid}}{y_i}$
  • $R^2$
• Reinforcement learning: 강화학습
  
• ReLU function: ReLU 함수
• Restricted Boltzmann Machine(RBM): 제한 볼츠만 머신
• Robo Advisor: 로보 어드바이저
  • 고도화된 알고리즘과 빅데이터를 통해 인간 프라이빗 뱅커(Private Banker) 대신 모바일 기기나 PC를 통해서 포트폴리오 관리를 수행하는 온라인 자산 관리 서비스
• Root Mean Square Error(RSME): 평균 제곱근 오차
  • 추정 값 또는 모델이 예측한 값과 실제 환경에서 관찰되는 값의 차이 측정법
• Random Forrests: 랜덤 포레스트
• Recall: 재현율
  • 분류 학습 모델 성능 지표
• Recurrent Neural Network(RNN): 순환 신경망
  • 인공 신경망을 구성하는 유닛 사잉의 연결이 Directed Cycle을 구성하는 신경망
• Reinforcement Learning: 강화 학습
• Real-Time Recurrent Learning: 신시산 순환 학습
• Regression: 회귀
• Regularization: 규제
• Representation: 표현
  • 데이터를 유용한 특성에 매핑하는 과정
• Representation Learning: 표현 학습
• Residuals: 잔차
• Residual error: 잔여 오차
• Restricted Boltzmann Machine: 제한된 볼츠만 머신
• Reward: 보상
• Receiver Operating Characteristic(ROC): 수신기 조작 특성
• Root Mean Square Error: 평균 제곱근 오차
• Rounding Error: 반올림 오차

S

• Saddle point: 안정점
• Sample: 사례, 표본
  • (통계)더 큰 모집단에서 추론을 위해 수집하고 분석하는 사건의 부분 집합
• Sample Space: 표본 공간
  • Trial(시행)의 결과들의 집합
  • 예제 - 동전을 던지는 실험에서 표본 공간은 {앞면, 뒷면} - 6면 주사위를 던지는 실험에서 표본 공간은 {1, 2, 3, 4, 5, 6}
• Sampling Bias: 샘플링 편향
• Sampleing Noise: 샘플링 잡음
• Scaling: 조정
  • 특성 추출에서 널리 사용되는 방식으로서 특성 값 범위를 데이터 세트의 다른 특성 범위와 일치하도록 맞춤
• Scatter plot: 산포도, 산점도
• Self-Orgnaization: 자기 조직화
  • http://www.aistudy.com/biology/alife/self_organization.htm
    
• Semisupervised Learning: 준지도 학습
  • 일부 레이블, 대다수 데이터 레이블이 없는 데이터로 학습
• Sequence model: 시퀀스 모델
  • 입력에 순서 종속성이 있는 모델
• Shape: 형상
• Sigmoid function: 시그모이드 함수
  • 로지스틱 또는 다항 회귀 출력을 확률에 매핑하여 0~1 사이의 값을 반환하는 함수
• Simularity: 유사도
• Signal: 시그널
  • 클로드 새넌(Claude Shannon)의 정보이론에서 정보를 시그널(Signal)로 표현한다. (출처: 핸즈온 머신러닝)
• Singularity: 특이점
  • (수학): 이상한 성질을 가지는, 곡선 위의 특정한 점. - $f(x)=\frac{1}{x}$, x=0
  • (인공지능): 인공지능이 인간을 넘어서는 전환점 - “특이점이 온다(김영사, 2007)”, 레이 커즈와인, 특이점 2045 - 인간이 스스로 만들어 낸 기술을 이해하지 못하거나 따라잡지 못하는 시점 - 초지능적 기계가 자신보다 나은 기계를 설계하는 지능의 폭발 - 기계 지능이 모든 인간 지능을 합친 것 보다 무한히 더 강력해 짐
• Singular Value Decomposition: 특잇값 분해
• Softmax: 소프트맥스
  • 다중 클래스 분류 모델에서 가능한 각 클래스의 확률을 구하는 함수
• Sparse feature: 희소 특성
  • 대부분의 값이 0이거나 비어 있는 특성 벡터
• Speech Recognition: 음성 인식
• Squared euclidean distance: 제곱 유클리드 거리
• Startistics: 통계량
  • 표본으로부터 계산된 값
  • 표본평균, 표본분산, 표본비율
• Standard Deviation: 표준 편차
• Standard Correlation Coefficient: 표준 상관 계수
  • 피어슨 r
• Stationary Distribution: 정상분포
• Stratified sampling: 계층적 샘플링
  • 전체 모수를 동질이 계층(Strata) 나누고, 계층별로 샘플링
    
• Step Function: 계단 함수
• Step size: 스텝 크기
  • 학습률과 동의어
• Stop Words: 불용어 처리
• Stride: 스트라이드
• Stochastic gradient descent: 확률적 경사 하강법
  • 확률적 경사하강법은 데이터셋에서 무작위로 균일하게 선택한 예에 의존하여 각 단계의 예측 경사를 계산
• Subspace: 부분차원
• Supervised Learning: 지도학습
• Support Vector Machine(SVM): 서포트 벡터 머신
• Synthetic feature: 합성 특성
  • 입력 특성 중에는 없지만 하나 이상의 입력 특성으로부터 파생되는 특성

T

• Target: 타켓
  • 라벨과 동의어
• Term Frequency: 단어 빈도
• Test:
  • (머신러닝)검정
    • 아직 검증되지 않은 어떤 주장을 통계적 방법으로 판정하는 것
  • (머신러닝: 결정트리)테스트
    • 결정을 위한 질문 목록(Yes or No)
    • 파이썬 라이브러리를 활용한 머신러닝, p103
• Test Set: 시험셋
• Temporal data: 시계열 데이터
  • 서로 다른 시점에 기록된 데이터
• Temporal Difference: 시간차
  • 분류: 강화학습
• Time series analysis: 시계열 분석
• Time-series data: 시계열 데이터
• Time-series forecasting: 시계열 예측
• Token: 토큰
  • 텍스트를 나눈 작은 단위
  • 단어, 문자, n-gram
• Tolerance: 허용 오차
• Tokenization: 토큰화
  • 텍스트를 토큰으로 나누는 과정
• Topic: 토픽
  • (머신러닝: 문서분류)
    • 문서에 단어들의 분포
• Topic Model: 토픽모델
• Training Data: 학습 데이터
  • Feature + Label
• Training: 학습
• Training Instance: 학습 사례
• Training Set: 학습셋
• Train-Test data split: 학습-평가 데이터 나누기
• Transfer Learning: 전이학습
  • 머신러닝 작업 간에 정보를 전송
• Translation invariance: 이동 불변성
• Trial: 시행
  • 같은 조건에서 여러번 반복할 수 있고 그 결과가 우연에 의해서 결정되는 관찰이나 실험
  • 예제: 주사위 던지기

U

• Univariate regression: 단변량 회귀
• Underfitting: 과소적합
• Unsupervised Learning: 비지도 학습
• Unsupervised pre-learning: 비지도 선행 학습
• UV decomposition: UV 분해

V - Z

• Validation: 검증
• Validation Set: 검증셋
• Vanishing gradient: 기울기 소실
• Variable: 변량, 변수
  • 조사 대상의 특성을 나타내는 문자나 숫자
• Variance: 분산
• Vectorization: 벡터화
• Visible layer: 가시 레이어
• Visualization: 시각화
• Vocabulary: 어휘
• Weight: 가중치
  • 특성의 계수 또는 심층 네트워크의 엣지
• Weight Decay: 가중치 감소
• Weighted Graph: 가중 그래프
• Whiting: 백색화
• Word Embedding: 워드 임베딩
• z-score standardization: z-점수 표준화
  • $z=\frac{x-\mu}{\sigma}$
  • x: 수치값
  • $\mu$: 평균
  • $\sigma$: 표준편차
• zero padding: 제로페딩
• Zero-shot learning: 제로샷 학습