符号索引 · 1295 条

同形符号由命名空间区分。

符号条目记录数学写法、纯文本形式、含义、单位与假设。相同字母在不同学科中的含义不会被强行合并。

检索命名空间

1295 个符号

One Forth 已登记数学与物理符号
符号	含义	命名空间	单位 / 条件	别名 / 冲突	教材位置
$nX_{c}$ `nX_c`	《PCA 与流形降维》“中心化决定 PCA 分析什么”中 nX 的下标 c 分量或状态量	机器学习 · 最优化	由上下文确定；下标 c 的取值范围以该公式邻近定义和求和范围为准。	无别名	A03 · 主成分分析与流形降维
$p$ `p`	《逻辑回归》“几率与对数几率”中记作 p 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 p 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$	A01 · Logistic 回归与概率分类 · 共 10 处 A01 · Logistic 回归与概率分类 · 正文位置 1 A01 · Logistic 回归与概率分类 · 正文位置 2 A01 · Logistic 回归与概率分类 · 正文位置 3 A01 · Logistic 回归与概率分类 · 正文位置 4 A01 · Logistic 回归与概率分类 · 正文位置 5 A01 · Logistic 回归与概率分类 · 正文位置 6 A01 · Logistic 回归与概率分类 · 正文位置 7 A01 · Logistic 回归与概率分类 · 正文位置 8 A01 · Logistic 回归与概率分类 · 正文位置 9 A01 · Logistic 回归与概率分类 · 正文位置 10
$p$ `p`	《有向与无向图模型》“无向图用势函数而非条件概率相乘”中记作 p 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 p 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$	A03 · 贝叶斯网络与 Markov 随机场 · 共 6 处 A03 · 贝叶斯网络与 Markov 随机场 · 正文位置 1 A03 · 贝叶斯网络与 Markov 随机场 · 正文位置 2 A03 · 贝叶斯网络与 Markov 随机场 · 正文位置 3 A03 · 贝叶斯网络与 Markov 随机场 · 正文位置 4 A03 · 贝叶斯网络与 Markov 随机场 · 正文位置 5 A03 · 贝叶斯网络与 Markov 随机场 · 正文位置 6
$p$ `p`	《精确概率推断》“推断查询先写成未归一权重”中记作 p 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 p 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$	A03 · 变量消元、消息传递与精确推断 · 共 4 处 A03 · 变量消元、消息传递与精确推断 · 正文位置 1 A03 · 变量消元、消息传递与精确推断 · 正文位置 2 A03 · 变量消元、消息传递与精确推断 · 正文位置 3 A03 · 变量消元、消息传递与精确推断 · 正文位置 4
$p$ `p`	《无监督与图模型综合》“图结构回答条件独立与概率查询”中记作 p 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 p 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$	A03 · 无监督学习与概率图模型综合复习 · 共 2 处 A03 · 无监督学习与概率图模型综合复习 · 正文位置 1 A03 · 无监督学习与概率图模型综合复习 · 正文位置 2
$p$ `p`	《优化模型与最优性》“优化模型与可行域”中记作 p 的等号左侧的目标量	机器学习 · 最优化	不适用；符号 p 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$ 、 $p$	M11 · 优化模型、可行域与最优性 · 共 2 处 M11 · 优化模型、可行域与最优性 · 正文位置 1 M11 · 优化模型、可行域与最优性 · 正文位置 2
$P$ `P`	《指标与基线》“混淆矩阵固定一个操作阈值”中记作 P 的等号右侧的输入量或系数	机器学习 · 最优化	由上下文确定；符号 P 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$	A00 · 分类、回归指标与基线 · 共 6 处 A00 · 分类、回归指标与基线 · 正文位置 1 A00 · 分类、回归指标与基线 · 正文位置 2 A00 · 分类、回归指标与基线 · 正文位置 3 A00 · 分类、回归指标与基线 · 正文位置 4 A00 · 分类、回归指标与基线 · 正文位置 5 A00 · 分类、回归指标与基线 · 正文位置 6
$P$ `P`	《偏移与不确定性》“三种偏移来自不同因子”中记作 P 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 P 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$	A00 · 分布偏移、置信区间与不确定性 · 共 2 处 A00 · 分布偏移、置信区间与不确定性 · 正文位置 1 A00 · 分布偏移、置信区间与不确定性 · 正文位置 2
$P$ `P`	《监督学习》“监督学习的总体风险”中记作 P 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 P 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$ 、 $P$	A00 · 监督学习任务、样本与标签 · 共 5 处 A00 · 监督学习任务、样本与标签 · 正文位置 1 A00 · 监督学习任务、样本与标签 · 正文位置 2 A00 · 监督学习任务、样本与标签 · 正文位置 3 A00 · 监督学习任务、样本与标签 · 正文位置 4 A00 · 监督学习任务、样本与标签 · 正文位置 5
$p_{i}$ `p_i`	《线性学习综合复习》“Logistic 回归学习条件概率”中 p 的下标 i 分量或状态量	机器学习 · 最优化	由上下文确定；下标 i 的取值范围以该公式邻近定义和求和范围为准。	无别名易混淆： $p_{i}$ 、 $p_{i}$ 、 $p_{i}$	A01 · 线性模型与统计学习综合复习
$p_{k}$ `p_k`	《决策树与剪枝》“分类不纯度衡量标签混合”中 p 的下标 k 分量或状态量	机器学习 · 最优化	由上下文确定；下标 k 的取值范围以该公式邻近定义和求和范围为准。	无别名	A02 · 决策树、划分准则与剪枝
$p_{\theta}$ `p_theta`	《EM 与变分推断》“潜变量让边缘似然出现对数求和”中 p 的下标 theta 分量或状态量	机器学习 · 最优化	由上下文确定；下标 theta 的取值范围以该公式邻近定义和求和范围为准。	无别名易混淆： $p_{\theta}$ 、 $p_{\theta}$ 、 $p_{\theta}$ 、 $p_{\theta}$ 、 $p_{\theta}$ 、 $p_{\theta}$	A03 · EM 算法与变分推断 · 共 4 处 A03 · EM 算法与变分推断 · 正文位置 1 A03 · EM 算法与变分推断 · 正文位置 2 A03 · EM 算法与变分推断 · 正文位置 3 A03 · EM 算法与变分推断 · 正文位置 4
$\pi$ `pi`	《策略梯度》“actor–critic用价值估计构造优势”中记作 pi 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 pi 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $\pi$ 、 $\pi$ 、 $\pi$ 、 $\pi$	A10 · 策略梯度、actor–critic 与优势估计 · 共 2 处 A10 · 策略梯度、actor–critic 与优势估计 · 正文位置 1 A10 · 策略梯度、actor–critic 与优势估计 · 正文位置 2
$\psi_{C}$ `psi_C`	《有向与无向图模型》“无向图用势函数而非条件概率相乘”中 psi 的下标 C 分量或状态量	机器学习 · 最优化	由上下文确定；下标 C 的取值范围以该公式邻近定义和求和范围为准。	无别名	A03 · 贝叶斯网络与 Markov 随机场
$q$ `q`	《精确概率推断》“推断查询先写成未归一权重”中记作 q 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 q 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $q$ 、 $q$ 、 $q$ 、 $q$ 、 $q$ 、 $q$ 、 $q$	A03 · 变量消元、消息传递与精确推断
$q_{\pi}$ `q_pi`	《策略梯度》“actor–critic用价值估计构造优势”中 q 的下标 pi 分量或状态量	机器学习 · 最优化	由上下文确定；下标 pi 的取值范围以该公式邻近定义和求和范围为准。	无别名	A10 · 策略梯度、actor–critic 与优势估计
$R$ `R`	《风险、容量与收敛》“结构风险最小化同时支付拟合与容量”中记作 R 的等号右侧的输入量或系数	机器学习 · 最优化	由上下文确定；符号 R 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $R$ 、 $R$ 、 $R$ 、 $R$ 、 $R$ 、 $R$ 、 $R$ 、 $R$ 、 $R$ 、 $R$	A01 · 经验风险、容量与一致收敛 · 共 5 处 A01 · 经验风险、容量与一致收敛 · 正文位置 1 A01 · 经验风险、容量与一致收敛 · 正文位置 2 A01 · 经验风险、容量与一致收敛 · 正文位置 3 A01 · 经验风险、容量与一致收敛 · 正文位置 4 A01 · 经验风险、容量与一致收敛 · 正文位置 5
$R$ `R_`	《过拟合与泛化》“泛化间隙”中记作 R_ 的等号右侧的输入量或系数	机器学习 · 最优化	由上下文确定；符号 R_ 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名	A01 · 过拟合、泛化与模型选择
$R_{D}$ `R_D`	《损失函数》“经验风险”中 R 的下标 D 分量或状态量	机器学习 · 最优化	由上下文确定；下标 D 的取值范围以该公式邻近定义和求和范围为准。	无别名	A00 · 损失函数、风险与评估
$R_{P}$ `R_P`	《监督学习》“监督学习的总体风险”中 R 的下标 P 分量或状态量	机器学习 · 最优化	由上下文确定；下标 P 的取值范围以该公式邻近定义和求和范围为准。	无别名	A00 · 监督学习任务、样本与标签 · 共 3 处 A00 · 监督学习任务、样本与标签 · 正文位置 1 A00 · 监督学习任务、样本与标签 · 正文位置 2 A00 · 监督学习任务、样本与标签 · 正文位置 3
$R_{t+1}$ `R_t+1`	《Markov 决策过程》“回报把未来奖励折算到当前”中 R 的下标 t+1 分量或状态量	机器学习 · 最优化	由上下文确定；下标 t+1 的取值范围以该公式邻近定义和求和范围为准。	无别名易混淆： $R_{t+1}$	A10 · Markov 决策过程与 Bellman 方程 · 共 5 处 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 1 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 2 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 3 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 4 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 5
$R_{t+1}$ `R_t+1`	《模型与离线强化学习》“学习模型后在模型中问“如果””中 R 的下标 t+1 分量或状态量	机器学习 · 最优化	由上下文确定；下标 t+1 的取值范围以该公式邻近定义和求和范围为准。	无别名易混淆： $R_{t+1}$	A10 · 基于模型、离线与多智能体强化学习
$R_{t+2}$ `R_t+2`	《Markov 决策过程》“回报把未来奖励折算到当前”中 R 的下标 t+2 分量或状态量	机器学习 · 最优化	由上下文确定；下标 t+2 的取值范围以该公式邻近定义和求和范围为准。	无别名	A10 · Markov 决策过程与 Bellman 方程
$R_{t+3}$ `R_t+3`	《Markov 决策过程》“回报把未来奖励折算到当前”中 R 的下标 t+3 分量或状态量	机器学习 · 最优化	由上下文确定；下标 t+3 的取值范围以该公式邻近定义和求和范围为准。	无别名	A10 · Markov 决策过程与 Bellman 方程
$\rho$ `rho`	《随机森林》“聚合能降多少方差取决于相关性”中记作 rho 的等号右侧的输入量或系数	机器学习 · 最优化	由上下文确定；符号 rho 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $\rho$ 、 $\rho$ 、 $\rho$ 、 $\rho$	A02 · 随机森林与袋装集成
$rnu_{j}$ `rnu_j`	《约束优化与对偶》“拉格朗日函数与对偶函数”中 rnu 的下标 j 分量或状态量	机器学习 · 最优化	不适用；下标 j 的取值范围以该公式邻近定义和求和范围为准。	无别名	M11 · 约束优化、KKT 条件与对偶性
$s$ `s`	《策略梯度》“actor–critic用价值估计构造优势”中记作 s 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 s 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $s$ 、 $s$ 、 $s$ 、 $s$ 、 $s$ 、 $s$ 、 $s$	A10 · 策略梯度、actor–critic 与优势估计 · 共 5 处 A10 · 策略梯度、actor–critic 与优势估计 · 正文位置 1 A10 · 策略梯度、actor–critic 与优势估计 · 正文位置 2 A10 · 策略梯度、actor–critic 与优势估计 · 正文位置 3 A10 · 策略梯度、actor–critic 与优势估计 · 正文位置 4 A10 · 策略梯度、actor–critic 与优势估计 · 正文位置 5
$s$ `s`	《Q-learning》“表格收敛结论附带一组条件”中记作 s 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 s 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $s$ 、 $s$ 、 $s$ 、 $s$ 、 $s$ 、 $s$ 、 $s$	A10 · Q-learning、探索与函数逼近 · 共 6 处 A10 · Q-learning、探索与函数逼近 · 正文位置 1 A10 · Q-learning、探索与函数逼近 · 正文位置 2 A10 · Q-learning、探索与函数逼近 · 正文位置 3 A10 · Q-learning、探索与函数逼近 · 正文位置 4 A10 · Q-learning、探索与函数逼近 · 正文位置 5 A10 · Q-learning、探索与函数逼近 · 正文位置 6
$S$ `S`	《PCA 与流形降维》“中心化决定 PCA 分析什么”中记作 S 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 S 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $S$ 、 $S$ 、 $S$ 、 $S$ 、 $S$ 、 $S$ 、 $S$ 、 $S$ 、 $S$ 、 $S$ 、 $S$ 、 $S$ 、 $S$ 、 $S$ 、 $S$	A03 · 主成分分析与流形降维 · 共 3 处 A03 · 主成分分析与流形降维 · 正文位置 1 A03 · 主成分分析与流形降维 · 正文位置 2 A03 · 主成分分析与流形降维 · 正文位置 3
$S_{t}$ `S_t`	《模型与离线强化学习》“学习模型后在模型中问“如果””中 S 的下标 t 分量或状态量	机器学习 · 最优化	由上下文确定；下标 t 的取值范围以该公式邻近定义和求和范围为准。	无别名	A10 · 基于模型、离线与多智能体强化学习 · 共 2 处 A10 · 基于模型、离线与多智能体强化学习 · 正文位置 1 A10 · 基于模型、离线与多智能体强化学习 · 正文位置 2
$S_{t+1}$ `S_t+1`	《模型与离线强化学习》“学习模型后在模型中问“如果””中 S 的下标 t+1 分量或状态量	机器学习 · 最优化	由上下文确定；下标 t+1 的取值范围以该公式邻近定义和求和范围为准。	无别名	A10 · 基于模型、离线与多智能体强化学习
$\sigma$ `sigma`	《随机森林》“聚合能降多少方差取决于相关性”中记作 sigma 的等号右侧的输入量或系数	机器学习 · 最优化	由上下文确定；符号 sigma 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $\sigma$ 、 $\sigma$ 、 $\sigma$ 、 $\sigma$	A02 · 随机森林与袋装集成
$t$ `t`	《动态规划与时序差分》“Monte Carlo 用完整回报作目标”中记作 t 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 t 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$	A10 · 动态规划、Monte Carlo 与时序差分
$t$ `t`	《强化学习综合复习》“MDP 合同先固定时间与终止”中记作 t 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 t 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$ 、 $t$	A10 · 稳定性、评估与强化学习综合复习 · 共 3 处 A10 · 稳定性、评估与强化学习综合复习 · 正文位置 1 A10 · 稳定性、评估与强化学习综合复习 · 正文位置 2 A10 · 稳定性、评估与强化学习综合复习 · 正文位置 3
$T$ `T`	《指标与基线》“混淆矩阵固定一个操作阈值”中记作 T 的等号右侧的输入量或系数	机器学习 · 最优化	由上下文确定；符号 T 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $T$ 、 $T$ 、 $T$ 、 $T$ 、 $T$ 、 $T$ 、 $T$ 、 $T$ 、 $T$ 、 $T$ 、 $T$ 、 $T$ 、 $T$ 、 $T$ 、 $T$ 、 $T$ 、 $T$ 、 $T$	A00 · 分类、回归指标与基线 · 共 5 处 A00 · 分类、回归指标与基线 · 正文位置 1 A00 · 分类、回归指标与基线 · 正文位置 2 A00 · 分类、回归指标与基线 · 正文位置 3 A00 · 分类、回归指标与基线 · 正文位置 4 A00 · 分类、回归指标与基线 · 正文位置 5
$T_{b}$ `T_b`	《随机森林》“聚合能降多少方差取决于相关性”中 T 的下标 b 分量或状态量	机器学习 · 最优化	由上下文确定；下标 b 的取值范围以该公式邻近定义和求和范围为准。	无别名	A02 · 随机森林与袋装集成
$\theta$ `theta`	待优化的模型参数向量	机器学习 · 最优化	由上下文确定；该含义限定于《损失函数》“经验风险”及其相邻推导。	无别名易混淆： $\theta$ 、 $\theta$ 、 $\theta$ 、 $\theta$ 、 $\theta$ 、 $\theta$ 、 $\theta$ 、 $\boldsymbol{\theta}$ 、 $\theta$	A00 · 损失函数、风险与评估 · 共 3 处 A00 · 损失函数、风险与评估 · 正文位置 1 A00 · 损失函数、风险与评估 · 正文位置 2 A00 · 损失函数、风险与评估 · 正文位置 3
$\theta$ `theta`	待优化的模型参数向量	机器学习 · 最优化	由上下文确定；该含义限定于《正则化》“有效正则化强度”及其相邻推导。	无别名易混淆： $\theta$ 、 $\theta$ 、 $\theta$ 、 $\theta$ 、 $\theta$ 、 $\theta$ 、 $\theta$ 、 $\boldsymbol{\theta}$ 、 $\theta$	A01 · 正则化、偏差与方差 · 共 2 处 A01 · 正则化、偏差与方差 · 正文位置 1 A01 · 正则化、偏差与方差 · 正文位置 2
$\boldsymbol{\theta}$ `theta`	模型参数向量	机器学习 · 最优化	由上下文确定	无别名易混淆： $\theta$ 、 $\theta$ 、 $\theta$ 、 $\theta$ 、 $\theta$ 、 $\theta$ 、 $\theta$ 、 $\theta$ 、 $\theta$	M11 · 一阶优化与梯度下降 · 共 33 处 M11 · 一阶优化与梯度下降 · 正文位置 1 A03 · EM 算法与变分推断 · 正文位置 2 A03 · EM 算法与变分推断 · 正文位置 3 A03 · EM 算法与变分推断 · 正文位置 4 A03 · EM 算法与变分推断 · 正文位置 5 A01 · 线性回归、最小二乘与正规方程 · 正文位置 6 A01 · 线性回归、最小二乘与正规方程 · 正文位置 7 A01 · Logistic 回归与概率分类 · 正文位置 8 A01 · Logistic 回归与概率分类 · 正文位置 9 A00 · 损失函数、风险与评估 · 正文位置 10 A00 · 损失函数、风险与评估 · 正文位置 11 A00 · 损失函数、风险与评估 · 正文位置 12 A10 · 策略梯度、actor–critic 与优势估计 · 正文位置 13 A10 · 策略梯度、actor–critic 与优势估计 · 正文位置 14 A10 · 策略梯度、actor–critic 与优势估计 · 正文位置 15 A10 · 策略梯度、actor–critic 与优势估计 · 正文位置 16 A10 · 策略梯度、actor–critic 与优势估计 · 正文位置 17 A10 · 策略梯度、actor–critic 与优势估计 · 正文位置 18 A10 · Q-learning、探索与函数逼近 · 正文位置 19 A10 · Q-learning、探索与函数逼近 · 正文位置 20 A01 · 正则化、偏差与方差 · 正文位置 21 A01 · 正则化、偏差与方差 · 正文位置 22 A10 · 稳定性、评估与强化学习综合复习 · 正文位置 23 A10 · 稳定性、评估与强化学习综合复习 · 正文位置 24 M11 · 一阶优化与梯度下降 · 正文位置 25 M11 · 一阶优化与梯度下降 · 正文位置 26 M11 · 一阶优化与梯度下降 · 正文位置 27 M11 · 一阶优化与梯度下降 · 正文位置 28 M11 · 一阶优化与梯度下降 · 正文位置 29 M11 · 一阶优化与梯度下降 · 正文位置 30 M11 · 一阶优化与梯度下降 · 正文位置 31 M11 · 一阶优化与梯度下降 · 正文位置 32 M11 · 最优化与信息论综合复习 · 正文位置 33
$v_{\pi}$ `v_pi`	《策略梯度》“actor–critic用价值估计构造优势”中 v 的下标 pi 分量或状态量	机器学习 · 最优化	由上下文确定；下标 pi 的取值范围以该公式邻近定义和求和范围为准。	无别名	A10 · 策略梯度、actor–critic 与优势估计
$w$ `w`	《线性回归》“从连续预测开始”中记作 w 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 w 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $w$ 、 $w$ 、 $w$ 、 $w$ 、 $w$ 、 $w$ 、 $w$	A01 · 线性回归、最小二乘与正规方程 · 共 7 处 A01 · 线性回归、最小二乘与正规方程 · 正文位置 1 A01 · 线性回归、最小二乘与正规方程 · 正文位置 2 A01 · 线性回归、最小二乘与正规方程 · 正文位置 3 A01 · 线性回归、最小二乘与正规方程 · 正文位置 4 A01 · 线性回归、最小二乘与正规方程 · 正文位置 5 A01 · 线性回归、最小二乘与正规方程 · 正文位置 6 A01 · 线性回归、最小二乘与正规方程 · 正文位置 7
$w$ `w`	《支持向量机》“硬间隔为何需要软化”中记作 w 的等号右侧的输入量或系数	机器学习 · 最优化	由上下文确定；符号 w 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $w$ 、 $w$ 、 $w$ 、 $w$ 、 $w$ 、 $w$ 、 $w$	A02 · 最大间隔与支持向量机 · 共 8 处 A02 · 最大间隔与支持向量机 · 正文位置 1 A02 · 最大间隔与支持向量机 · 正文位置 2 A02 · 最大间隔与支持向量机 · 正文位置 3 A02 · 最大间隔与支持向量机 · 正文位置 4 A02 · 最大间隔与支持向量机 · 正文位置 5 A02 · 最大间隔与支持向量机 · 正文位置 6 A02 · 最大间隔与支持向量机 · 正文位置 7 A02 · 最大间隔与支持向量机 · 正文位置 8
$x$ `x`	《线性回归》“从连续预测开始”中记作 x 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $\mathbf{x}$	A01 · 线性回归、最小二乘与正规方程 · 共 5 处 A01 · 线性回归、最小二乘与正规方程 · 正文位置 1 A01 · 线性回归、最小二乘与正规方程 · 正文位置 2 A01 · 线性回归、最小二乘与正规方程 · 正文位置 3 A01 · 线性回归、最小二乘与正规方程 · 正文位置 4 A01 · 线性回归、最小二乘与正规方程 · 正文位置 5
$x$ `x`	《特征映射与核》“Gram 矩阵与正半定条件”中记作 x 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $\mathbf{x}$	A02 · 特征映射、正定核与再生核空间 · 共 10 处 A02 · 特征映射、正定核与再生核空间 · 正文位置 1 A02 · 特征映射、正定核与再生核空间 · 正文位置 2 A02 · 特征映射、正定核与再生核空间 · 正文位置 3 A02 · 特征映射、正定核与再生核空间 · 正文位置 4 A02 · 特征映射、正定核与再生核空间 · 正文位置 5 A02 · 特征映射、正定核与再生核空间 · 正文位置 6 A02 · 特征映射、正定核与再生核空间 · 正文位置 7 A02 · 特征映射、正定核与再生核空间 · 正文位置 8 A02 · 特征映射、正定核与再生核空间 · 正文位置 9 A02 · 特征映射、正定核与再生核空间 · 正文位置 10
$x$ `x`	《AdaBoost 与梯度提升》“提升法逐步扩充一个加法模型”中记作 x 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $\mathbf{x}$	A02 · AdaBoost、梯度提升与残差拟合 · 共 5 处 A02 · AdaBoost、梯度提升与残差拟合 · 正文位置 1 A02 · AdaBoost、梯度提升与残差拟合 · 正文位置 2 A02 · AdaBoost、梯度提升与残差拟合 · 正文位置 3 A02 · AdaBoost、梯度提升与残差拟合 · 正文位置 4 A02 · AdaBoost、梯度提升与残差拟合 · 正文位置 5
$x$ `x`	《有向与无向图模型》“无向图用势函数而非条件概率相乘”中记作 x 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $\mathbf{x}$	A03 · 贝叶斯网络与 Markov 随机场 · 共 2 处 A03 · 贝叶斯网络与 Markov 随机场 · 正文位置 1 A03 · 贝叶斯网络与 Markov 随机场 · 正文位置 2
$x$ `x`	《EM 与变分推断》“潜变量让边缘似然出现对数求和”中记作 x 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $\mathbf{x}$	A03 · EM 算法与变分推断 · 共 5 处 A03 · EM 算法与变分推断 · 正文位置 1 A03 · EM 算法与变分推断 · 正文位置 2 A03 · EM 算法与变分推断 · 正文位置 3 A03 · EM 算法与变分推断 · 正文位置 4 A03 · EM 算法与变分推断 · 正文位置 5
$x$ `x`	《无监督与图模型综合》“图结构回答条件独立与概率查询”中记作 x 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $\mathbf{x}$	A03 · 无监督学习与概率图模型综合复习
$x$ `x`	《约束优化与对偶》“拉格朗日函数与对偶函数”中记作 x 的等号左侧的目标量	机器学习 · 最优化	不适用；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $\mathbf{x}$	M11 · 约束优化、KKT 条件与对偶性 · 共 23 处 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 1 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 2 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 3 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 4 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 5 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 6 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 7 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 8 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 9 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 10 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 11 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 12 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 13 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 14 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 15 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 16 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 17 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 18 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 19 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 20 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 21 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 22 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 23
$x$ `x`	《凸性与次梯度》“次梯度与次微分”中记作 x 的等号右侧的输入量或系数	机器学习 · 最优化	不适用；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。	无别名易混淆： $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $x$ 、 $\mathbf{x}$	M11 · 凸集、凸函数与次梯度 · 共 18 处 M11 · 凸集、凸函数与次梯度 · 正文位置 1 M11 · 凸集、凸函数与次梯度 · 正文位置 2 M11 · 凸集、凸函数与次梯度 · 正文位置 3 M11 · 凸集、凸函数与次梯度 · 正文位置 4 M11 · 凸集、凸函数与次梯度 · 正文位置 5 M11 · 凸集、凸函数与次梯度 · 正文位置 6 M11 · 凸集、凸函数与次梯度 · 正文位置 7 M11 · 凸集、凸函数与次梯度 · 正文位置 8 M11 · 凸集、凸函数与次梯度 · 正文位置 9 M11 · 凸集、凸函数与次梯度 · 正文位置 10 M11 · 凸集、凸函数与次梯度 · 正文位置 11 M11 · 凸集、凸函数与次梯度 · 正文位置 12 M11 · 凸集、凸函数与次梯度 · 正文位置 13 M11 · 凸集、凸函数与次梯度 · 正文位置 14 M11 · 凸集、凸函数与次梯度 · 正文位置 15 M11 · 凸集、凸函数与次梯度 · 正文位置 16 M11 · 凸集、凸函数与次梯度 · 正文位置 17 M11 · 凸集、凸函数与次梯度 · 正文位置 18