Thuật ngữ kỹ thuật - Học máy và AI cho chăm sóc sức khỏe– Phần I• Độ chính xác (Accuracy)Một số liệu được sử dụng trong học máy được sử dụng để đánh giá hiệu suất của mô hình học máy .• Lan truyền ngược (Back Propagation)Được sử dụng bởi các mạng thần kinh, việc cập nhật các sai lệch và trọng số dựa trên lỗi. Điều này xảy ra khi ước tính đầu ra vượt quá ngưỡng lỗi xác định. Lỗi ở đầu ra được truyền trở lại vào mạng để cập nhật giá trị của các nơ-ron.• Đóng gói (Bagging)Một kỹ thuật học máy tạo ra nhiều mô hình trên các tập hợp con của cùng một dữ liệu và kết hợp chúng để cải thiện dự đoán tổng thể.• Bẫy khởi động (Bootstrapping)Kỹ thuật chia dữ liệu thành nhiều tập con có thể thay thế. Mỗi mẫu được gọi là bootstrap mẫu.• Dữ liệu lớn (Big data) Một kho lớn dữ liệu, gồm dữ liệu thường có cấu trúc và không cấu trúc.• ColumnarCác dữ liệu lưu trữ trong các cột chứ không phải là hàng (theo nhiều cấu trúc cơ sở dữ liệu truyền thống).Lưu trữ dữ liệu theo cột cải thiện tốc độ do giảm tải đĩa và cải thiện truyền dữ liệu.• Biến liên tục (Continuous variable)Một biến có thể nhận bất kỳ giá trị vô hạn nào giữa mức tối thiểu và tối đa của nó.• Hàm chi phí (Cost function) Hàm chi phí là một chỉ số hiệu suất được sử dụng để đo lường lỗi của mô hình học máy.• Khung dữ liệu (Dataframe)Khung dữ liệu là cấu trúc dữ liệu được gắn nhãn có thể chứa các cột của các loại dữ liệu khác nhau.• Bộ dữ liệu (Dataset)Một bộ dữ liệu là một tập hợp các dữ liệu ví dụ.• Chuyển đổi dữ liệu (Data transformation)Quá trình chuyển đổi dữ liệu từ một dạng hoặc loại sang dạng khác• Biến rời rạc (Discrete variable)Một biến có thể có số lượng giá trị hữu hạn.• Ví dụ (Example)Tập hợp các tính năng.• Phân tích dữ liệu khám phá (Exploratory Data Analysis = EDA)EDA là một kỹ thuật khoa học dữ liệu nhằm tìm hiểu những hiểu biết về dữ liệu thông qua phân tích thống kê và trực quan hóa đồ họa.• Sai âm (False negative)Một đầu ra mô hình được dự đoán không chính xác là sai.• Sai dương (False positive)Một đầu ra mô hình được dự đoán không chính xác là đúng.• Falcon Một khung quản lý cho Apache, được sử dụng để quản trị dữ liệu trong các cụm Hadoop.• Tính năng (Feature)Một tính năng là một thuộc tính dữ liệu và giá trị của nó. Ví dụ, màu da nâu là một tính năng trong đó da màu là thuộc tính và nâu là giá trị.• Lựa chọn tính năng (Feature selection)Quá trình chọn các tính năng cần thiết để giải thích các đầu ra của mô hình thống kê trong khi loại trừ các tính năng không liên quan.• FlumeMột dịch vụ phân tán thu thập, tổng hợp và chuyển dữ liệu lớn, thời gian thực vào HDFS (Hệ thống tệp phân tán Hadoop).• Điểm F (F-score) Một kỹ thuật đánh giá kết hợp độ chính xác và thu hồi thành thước đo hiệu quả phân loại. • Mức độ phù hợp (Goodness of fit)Thuật ngữ này đề cập đến mức độ mô hình phù hợp với một bộ quan sát và tóm tắt bất kỳ sự khác biệt nào được quan sát giữa các giá trị và dự kiến.• HadoopHadoop là một khung công tác nguồn mở thường được sử dụng bởi Apache, phục vụ cho việc phân tán xử lý các bộ dữ liệu lớn.• Hadoop CommonCác thư viện, mô-đun và tiện ích mở rộng chung hỗ trợ các mô-đun Hadoop.