GB/T5271的本部分给出了有关人工智能中机器学习的概念的术语和定义。 GB/T 5271.31-2006 信息技术 词汇 第31部分:人工智能 机器学习 GB/T5271.31-2006 标准下载解压密码：www.bzxz.net

Ks 35.240.20
中华人民共利国国家标准
GB/T 5271.31—2006/ISO/IEC2382-31:1997信息技术
第31部分：人工智能
机器学习
Information technology-Vocabulary-Part 31:Artificial intelligence-Machine Jearming(ISO/IEC2382-31.1997.IDT)
2006-03-14发布
中华人民共和国国家质量监督检验检疫总居中国国家标化管理委员会
2006-07-01实施
1.1范围
1.2用标准
1.3遵惩的原则和现射
？术语和定义
31.3-—股术说
31,32学可技术
97.03学习策略
附录A（资料性附录）
中文第引
随录B降料性附录
英文索引
GB/T 5271.31—2006/IS0/IFC 2382-31:1997次
CB/T 5271.31—2006/ISO/IEC 23B2-3↑; 1997前言
GTT5271信息技术同汇>共分30部：第：部分：兼4术语（GE/T5271.11第2部分代利选料运算（G315271.2）第3部分：议备疫术（CB/T5271.3）第4部分：数据的组织（GR/T271.4）蒙5部寸：数期的表示达（(FB/T 5271.5)英6解分：数据的谁备与处卵（GB/T571.6）第7郭分：计算机程改（GB/T5271.7）—第3部分：专全（怕个271.）
第9部分：数期通信（G312?！.9）第10部企操作技术租没施0/T51.10第到部分：人工誉能话音识别→会成(GT/15271.29)：第31部分人T把能凯解学（GRT5271.3）一第32部分，中于邮牛（GB/5271.32）第34部分：人工智能邮经网络（GB/T5271.34?木部分是GB/T5271术语系列国家标消范第31部分。本部分单同采用了15/1E238231:1997信良技术下第31邱分：人「智能机能学习
（英文版）。
本部分的附系A和录R强资粒世附：木部分中中毕人民共和国信总产业部提山：本部分出中巨电子技术标准化研究所归口。本部分起苹单位：中国白子技术标准化研所本部分士要是常：是庆出、王静。m
1既述
T.1范围
GB/T5271.3t—2006/1S0/IEC2382-31:1997信息技术词汇
第31部分：人工智能机器学习
GB/丁5271的本部分给击」与信息处理领城相关的援念的术语和定义，井明确了这些条月之间的关系
为方将比标追译成共他语盲，维出物定义尽可作选免语己上的将性，本部完义了在关人上智能中机器学习的概念。1.2引用标准
下列文件中的条款道过GB/5271的术部分的用心或为本部分的然款，凡后注日期的引月文件，其随所有的像收单《不包括误的内容）或静订版均不适用二木部分，热而，效励根据本部分达成切议的各方研宽是否可快用这此文件的总新版本。凡是不在口期的引用文件，其最新您木范用二本部分
CI3/5271.1—2U倍息技术月汇第1部分，本术落（qIS0/TF:2383-：15)GB/T5271.23—20012信息技术词汇第28部分：人工智能基本概全可专家系统（eqV150IEC2332-281995)
GB：152371—2术语工作均汇第1部分，理论与应用（1岁117-1：2000）1.3遵裕的原则和规则
1.3.1词条的定义
第年的包括计多闻条，问条由几项必需的要本的成，包担案引今，一个术讲或几个同义术语和定义一个概念关短语。另外，一个词条川包括举例注解成重丁理解摄您的解释。有时一个不冲以山不同的调条来定义或一个词条可包括两个变两个以上的摄念说明分见1, 3, 和J,,8
本部分使用其他的术语，衡如词汇.税念、求语和定义，其意义在日/T1217.上中分定义。1.3.2词案的组成
个间条包括1.，」现定的必需的要紊，如果需要，可增的一些要素，词来按以下的顺声么如下变求：
索引号（刘发布的不标准所有谱言录公共的）：al
飞）术语或某语当中首送的术语，对其语言中的板念告没有肖选术语表示.用五个点的符号表示（.，！在一个术语中，一行点月来表示每个持定实例中议选的个问其十国家的首诺求治（根书B热标时）术语的缩写
许可的同义术语；
)定义的正文(见 1. . 4);
》以\例的“个或几例
h！以“注开头的概念虚用领或标明特殊实例的一个或几个注解等条共用的图片、图示或表榜。1.3.3鼠条的分类
本标准的每部分效分肥两个数疗组录的序列号，井以表示“基本太语“的门开始。1
GB/T5271.31—2006/ISO/1EC23B2-31:1997问条按组分类，每红微分配一个四个数字组成的序到号：前两个数宁表示该在本标泄中所处的部分
每个调条被分配一个六人整字组成的索引号；流四个数字衰示该河条所在前标准部分杠纠。为使本标碰不向语台的版本都是相关联的，分已龄标准部分，组和词案的序号都应是相同的。1.3.4术语的选择和定义的用语
学择术语部定义用证尽可差按照已现定的用法。当出现予后时，来用大多效司意的古法，1. 3.5多义术倍
在一种.作共言中，如只一个给定的术语有儿个意这.个义则给实一人单独的司兼以霍整择成其他的语言，
1.3.6缩略语
好1，\，2中新指，当前付用的缩咯语被指定给一此术设。这生渐略语不用于定义、例子或注解的文宁中。
1. 3.7面括亚的用法
在一些术语中，按黑休字印的一不词或儿个调查十指频宁，这此词民完整术语的部分，当在我术叉章十日缩路语不影呵上下女的意思时，这此间可被省略：左当，工527的定义、例于或注解的正文户，这些术培按完楚形式使用。在·此们条中，术语后而跟替普道学体的放在括中的文字：这询不大语的荣部分叫尺钢使非该术语的有关信息，它拍特殊的应用范压，或它的语法形式，1.3.8方括亚的用法
刘果儿个系需相关的术语的定义只是几个义享的区别-这些术语及其定义归为一个条：为小不间的意思的换文学按在本说和定义中的相同的次序效在方括张户，为避免被萃接词的不的班性，教上述规圳放在括强前面药最后词放在方括版里面，井H年变化次照望次，1.3.9定义中黑体术语的用法和星号的用法代语在定义，刻子或注解中用黑作字印刷吋，则表示滋术语二在本训汇的其他训承定文过：但是，只有当这地术语首次山现在每一个请条中叫，该术语才即成照休字的式。黑体均用十·个长语的大他语形式：如名词量数和动间的分词形式，定义齐工52了中所有必思出理的语的来本形云别在元部货后的案引中见1.11）当在不同的词中可用的两个术语一个需接若一个，用量号将一者分%小（或仅标点分就）以一股享休出现的调或术语·按一般词典宁变权或性拉太试的种义圳，1.，拼送
本标的英文版木中，不语，定文、例子和注新的拼写一版要关语的共写形式：其他正确的护写市在不与本标准发牛冲英的质说下使出。1.3.11案引表的编
对于快用的每种语，在每部分的结民提供了母索引。案引包括该部分定义的所有术语。多词术语按宁母顺序日现在带个关链宁后，E术语和宠义
31人工智缩——-机器学习
31.01一般术培
31. 01. 01
学习Jearmirg
个生物学系统或自动系统获将知识或技能的过望快它可用丁数进其性能：31.D1.02(28.01.21)
机器学习machine learnlng
自动学习autinnatielearning
GB/T5271.31—206/IS0/IEC2382-31:1997功能单元通过换取新期识或技能，或通过整理已有的知识或夜能来改进其性能的过程31.01.03
自学习selt-learming
以内知识库成从薪精入数据学习，无需引人显式的外部知识31.31.Q4(2A.01,09)
知识嵌取knwlerlgeaquisitilon定拉、江案和化知识方拒灿识转化成能巾知识系统进·步处单的形式的过畏，计：知只获取写地味着妇识工程师的在人，保它的异机学习的·个至要红盘部开，31.01.05
学习策略learningstrategy
学习技术的使用优充十龙应H的一种规划。31.01.06
概念concept
为班定类别忠员的折象实体：
注：横川}客体分类
概学习cnnrept leaming
应用口有的知识构建概念衣示新信息，为了取得新到诉开为行游的设用而在储它，计念学与可包含物念的随本区看实例区之间的样推月。本相万作用可以体次包中式验性实例的初给断六，选择的量组变转换，
概念聚卖conceptnalclugterlng借助于简单、描述的概念把客体，事价或事实安非至有特征的各类别内。注：坐见无些邮学习和组块。
分类（方案>形成taxaamyInrniation告所」聚类概念的析取类别的概念分类方案的构建。1分类（为来）形成的口的异达舒个格色，特性的极大前明性和趣心重登、注2.也见赔念霜类开念形放，
机器发现machinediscovery
分类（方案）形成和出孔器的学寸能力观测创的据中措泌观律药经验律的安现：性已无极念肾类分析学习，
认知科学capnitive science
认知机制cagnitivism
各学科间范知识领域，方的券连口标是发现驾力书表示老力和计第能力以及在头滴方言的约构表示和玖懂表示，
注：认知在学处理认年的符专处型放，于包括如心理学、一机科掌，研六学，人类学，暂学，数，最学、工程，牛班学和神经间学学不和的学科。
GB/T5271.31—2006/ISO/IEC:2382-31:199731.02学习按术
鞋消学习unleaming
为船除学可行对存慢在系统中的知识进行的调整、31,02.02
舞念猫速conwepdeseriptiun
推还其概念的全静已知变例举别的撤据结构，31.02.03
【数据）分块chunkiny
为疗储和检·在较高的概念级别处把数捆分组到单个实体巾31,02,04
特征描述characteristlcdescriptlon一种概念描迹，方速对某其跨定概意的全部实例共司的特性，31. 02. 05
甄别描述discriminantdesuriptino种概念描述，它款述了给定概念与考虑中其他念不间的特性。31. 02. 06
错构摧述stimetmraldesrariptinm一种客体和概感的表不，这差于它们各部分的描注，并基它们间的关系，31.02.C7
概念形成comceptformautior
用丁表示害体，事件或率实的给定案合的持征的概念的生成，31.02.08
部分学到的概念pariallyJearnedfcncept一冲既念，其特确消述不能在可出数摄，知识或负没的止础上推断出来31.C2.09
变型空间versionpace
与可比数摄、知识或假设致的全部既急描述的朵。31.02.10
实例空间examplespaceLnstancespure要学习的某概的全部可准的实例和相区实例的集会。31.02.11
描逆空间dexcriptinnspace
求自列学少者可用的描述培言中的实例空闻能描述的全部实例的集合。31.02.12
凝念适化nceptgelieraliztiun
概念描述也用的延性以包含更来实例，31.02.13
一致泛化uusistenteneraliralkn种概念泛化，之包括概念类别的其·个或金部正例，排除该班的全部反例，31.02.14
基于的束的适化constraint-basedgenerallzatlon一种概志泛化，它期足用于解释给定事实或事件在解念上的约束。31.02.15
基于相假性的选化zimilirily-lbasedgeucraliaatiunGB/T 5271.31—2006/ISO/IE:2382-31.1997相念泛化，它由仕这些实例叫探测相似性和益异性据述给定概您的全部实例31.02.16
完全送化enmpletegeneralfzation一种额感泛化，它描建某龄定想念类别第全部正例，I不管它居告包指巢此负例，31.02.17
概念特化conceptspecialization由说少序速的实例药案合使概念措述的范用变度。31.02.18
含退矩降crnfuainnnatrix
一种矩阵，它接一组规叫记求试探实的止确分类和不止确分类的个数，31.02.19
概念确认eunecplwalildalion
测试学对的摄念范纳法，山应用它们的描述试换性实例非也算含展矩阵来实境。31.03学习聚晰
果分析
在学孕策略中，山踪观察到的事件《诸如为达到日的产生的故率可能起因的析。31.03.02
机槐（式）学习rotelearning
种学可策落，其在上直接地职累新知训叫无需对我供的信泉实我何推理，注划概（式)学习创低给出假描述的直差记的常习和安排规划的学。31.03.03
自适应学习adaptivelearning
冲学习美略·共在于如照来自外部知识源的建议求周登内部知识，或按照已有的知识来转接新获报约信息。
31. 03. 04
试探（式）学习heristiclearning神从试尚结果.评价结果玻试汰的结果研发学习策略。31.03.05
讲按式学习lenrringbybeing luld示数（式）学习learmingfreminklvnietion从外部知识源获成对认血无需从费典的信息选择或定换相关要素的机械（式）学习31.03. 06
advice Laking
来纳建设法
按照来自外部知识原产明的建我对过保行为划息性改的讲授（式>学习31.03.07
incrcmenlwlIcaraing
增量（式）学习
一个阶学习的知识被转换以适后续阶段饿实的新知识的多阶段的自适应学列31.03.0
监督（式>学习superyisedkearndng得的知识的止确件通对来白外部如识源的反贫加以测试均学可策略。5
CB/T5271.31—2006/IS0/T:2382-31:199731.73.C3
无监菩学uasupervisedJcarning无师式学习lewruinwitlunlewhcr学可策略，它在，观穿井夺析不司的实停以及晚定某些了莱能分划到定的类到单，而儿需布得的知识上通斗来门外部知识源的压钟，以突愿何正销性试，汁：-且彬成格念，就对包给比各栋，该署放就可以，了共化执患的学习了31.03.10
learning hy disoovery
发现！式>学习
（式学习leurningtrnnhscrvatian一种无监奋掌习，它在分类掌形成或出在悦察的数据中插述比的域中寻出新就则成法。31.03.11
inductive leainingelcaming hyinductinn归纳（式)学习
在学习策略中，以供给的知识、实例或观察道过归纳学得划识，31,03. 12
实创式学习leringIrmples
基于实例的学习pxataple-usedlening：instairf-higsknrnlig一种瞬念的归纲武）学习，由从实便设可选地从该概念的反中推断山综合的概念描递的这种概念的纳（式学
注：有下执始长完全也定义出的实划的学习是实例（式：学可两提高形公，3.03.13
poitiveexample
元实例ositin
适合要学可能概态并而能产生协鼠念的泛化的实例，31.03.14
egattve example
反实例megativeinstanre
要学空的概念的相尽实例：文可限制要念描途的范用。31.0.3. 15
nea1mic:
要学的概念的反例，十分类似于该通念的正例并可能有助于两离片者的立要持征：31.03.1E
于案例的学习
ease-based leaming
一种学习第略·它把手达的间题和一组先前解了的问题进行比较并使月解实了的解学灾十发手边问愿内游窖。
社；成功验定之后，通让基于累负内单为研发的解落放其相应问就加到察风库！。31, 63. 17
读绎学习deductiveleaininh
演弹（式学习learningbydednctlon在学习第陷中，音助于断的保留真位变换从已与的郑识演择新的知识习的
位2，演环学位争知认重，印识案评以及其他降解真位受控。31. c3. 1$
分析学习annlytie learning
基于解的学习e>planatinn-haredleanningGB/I5271.31--2006/1SO/1FC:2382-31:1997赢择学为的离纵形式，其中从污算知识和领域知识行到指象知识究站构化划，31.03.19
换作化
pperatinnalizatlon
从声明形式转换为过型性形或，如转换为操作形式的频识泽。谢：由解如有给光情说下量免工湿，动告“不群掌“轻资或择质格今，件：也以分析学习，
31, 03.20
learning hyanalngy
类比学
联想学习assoclativelearning
一缺学>策赔，它结合“归缺（式)学习和演操学习，以便归纳确定正进行比较质职想的各概忘的公法持企，就后，演鲜肯出学到的戒次所块待的性质，还关比学习品要以两个间图间的相的能力，并为了央另一问题区牛的六使川个间题这中研发的规则
贵任认定eredtt/blameagsignmmenl对达到策日标的成功或夫收的决策资或操作员卖任的辨识。31.03.22
强化学习relnrorcementleaming日声任认定收讲的学习，
求解路径学习learningfrnnisalutiongathrs种强化学习，它格于对问题一立等待至找到完全解决路径时为小，标记剂并能次路的年次移动作为正例，并标记导致自接远两解决检的每次移动作为反例，31.03.24
学徒（武>第略learning-apprentirestrateg种责生认定，玄用瓷对专家的观察.儿使用他（)的动作来区别出不合意的动议和合的动没，如比以避免过多的搏靠，并据共及时的发馈过学差（式）学可筑略版累纳用专家系统的中动阿造中31.03.25
这做边学learniagwhitedoing
-冲强化学习，在认定过失前它个依赖下等待找山解快路径，低当仍在模索解决方案村，认定员任。注，改做边学包括提亦情环剂不必要的天踏还或端战险，以他道至单个标。31.C3. 25
选传学习enclieleaming
片上造代分类算法的机器学习，它接照融度途择分类其子对，并把遮传梁作应用到么文于孙行化帖对二，用其最强的算子替换最弱的分子，为广当可用的规叫证用不妥当对，云产生新的，似乎合通的频购，
注：木诺“适传来耳自格严迅学须缺，它链接看链承，产群变乐和适者斗存、GB/1 5271.31—2006/ISO/IEC 2382-31:1997附景A
（资料性降录》
中文秉引
边像边学
变型空间
部分学到的概念
采的建议法
操作化
融消学习
发现（式学司
后斑…
反实例
分类（方军)形成
分析学习
概意泛化
振念亲类
概念摧
概念确认
概念特化
標念形成
概念学习
观穿(式)学习
归的(式)学习
含混矩阵
机爵发现
机器学习
机械式》学习
基于案例的学习
31.03. 19
31. 02. 01
... 31. 03. 10
-31.03.14
... 31. 01. 09
.3..02.12
.31.01.08
.3102. 02
..31.02.07
31.01, 07
.31. 03. 1c
31. 01. 1C
31.01.02;28. 01.21)
31. 03. 16
基于解痒的学掌习
基于实例的学习
基于相似性的泛化
基于药束的泛化
监督(式)学习
讲漫(式)学习
结构描述
美比学习
联想学习
描逆空间
强化学习
求解路径学可
认如机制
认知科学
实例(式)学习
实例空间
示教(式)学习
试探(式)学习
似费或例
(做据：分块
特征描述
完全适化
无监普学习
无师（式学习
: 31,02. 14
31.02. 06
31. 01. 11
31.01. 11
：31.03.12此内容来自标准下载网
-: 31.02. 10
-. 31. 03. 04
..- 31. 02. 16
学徒(式)策
学习策略
演舒（式）学习
演绎学习
一致法化
遗传学习
因巢分析
31. 02. 13
GB/T 5271.31—2006/[S0/IEC 2382-31.1397责任认定
增整式幸习
甄别描述
正实例
知识获取
自动学习
自适应学习
. 31. 03. 07
31. 02. 05
-.31.03.13
31.01, 04(28,01.09)
31.01.0228.01.21)
31.03. 0.3
小提示：此标准内容仅展示完整标准里的部分截取内容，若需要完整标准请到上方自行免费下载完整标准文档。