Глоссарий — A

A/B testing — A/B тестирование

A statistical way of comparing two (or more) techniques, typically an incumbent against a new rival. A/B testing aims to determine not only which technique performs better but also to understand whether the difference is statistically significant. A/B testing usually considers only two techniques using one measurement, but it can be applied to any finite number of techniques and measures.

Статистический способ сравнения двух (и более техник), обычно текущей используемой против новой. Цель A/B тестирования не только определить которая из техник работает лучше, но также понять является ли разница статистически значимой. A/B тестирование обычно рассматривает только две техники использующие одну и ту же оценку, но оно может быть применено к любому конечному количеству техник и систем оценок.

accuracy — правильность, верность, доля правильных ответов

The fraction of predictions that a classification model got right. In multi-class classification, accuracy is defined as follows:

$$\text{Accuracy} =\frac{\text{Correct Predictions}} {\text{Total Number Of Examples}}$$

In binary classification, accuracy has the following definition:

$$\text{Accuracy} = \frac{\text{True Positives} + \text{True Negatives}}{\text{Total Number Of Examples}}$$

See true positive and true negative. Contrast accuracy with precision and recall.

Доля верных прогнозов сделанных моделью. В мультиклассовой классификации, правильность определяется следующим образом:

$$\text{Правильность} =\frac{\text{Верные прогнозы}} {\text{Общее число примеров}}$$

В бинарной классификации правильность определяется следующим образом:

$$\text{Правильность} = \frac{\text{Истинно положительные} + \text{Истинно отрицательные}}{\text{Общее число примеров}}$$

См. истинно положительные прогнозы и истинно отрицательные прогнозы. Сравните правильность с точностью и полнотой.

action — действие

In reinforcement learning, the mechanism by which the agent transitions between states of the environment. The agent chooses the action by using a policy.

В обучении с подкреплением — механизм, с помощью которого агент менят перемещается между состояниями среды. Агент выбирает действие, используя политику.

activation function — функция активации

active learning — активное обучение

AdaGrad — AdaGrad

agent — агент

agglomerative clustering — агломеративная кластеризация

anomaly detection — обнаружение аномалий

AR — AR

area under the PR curve — площадь под кривой PR

area under the ROC curve — площадь под кривой ROC

artificial general intelligence — общий искусственный интеллект

artificial intelligence — искусственный интеллект

attention — внимание

attribute — атрибут

AUC (Area under the ROC Curve) — AUC (площадь под ROC-кривой)

augmented reality — дополненная реальность

automation bias — предвзятость автоматизации

average precision — средняя точность