adat előkészítés 71-72 | preprocessing (of data) |
adattömb 47, 83, 171, 172, 192, 195 | data array |
adjungált mátrix 225 | adjungate matrix |
alakfelismerés 32, 33, 345, 346 | pattern recognition |
alsó háromszög mátrix 245, 247 | lower triangular matrix |
általánosított inverz 188, 190, 191, 254, 268 | generalised inverse |
alulhatározott egyenlet 268 | underdetermined equation |
aszimptotikus tulajdonság 121, 130, 131, 142, 143 | asymptotic feature |
átalakító függvény 212, 312, 314, 316, 317, 319, 320, 321, 322, 330, 331 | transfer function |
átfedéses osztályozás 49-50 | overlapping classification |
átlós mátrix 245, 270 | diagonal matrix |
átmeneti valószínűség 231 | transition probability |
átmenetvalószínűség-mátrix 229-231 | transition probability matrix |
becslés 17, 31, 72-74, 77-79, 83, 109, 113, 114, 117, 118, 120-137, 140-143, 145, 148, 150-156, 159-164, 168, 170, 172, 177, 179, 180, 182, 185-189, 193-196, 237, 238, 268, 273, 278, 279, 283, 284, 290, 322, 335 |
estimation |
becslés számértéke 238, 239 | estimate |
becslő 116-127, 129-132, 135-143, 146, 148-150, 163 | estimator |
bemeneti érték 312, 314 | input |
betanítás 318, 320 | training |
betanító halmaz 64, 208, 212 | training set |
bizonytalan 14, 21, 30, 49, 54, 64, 114, 131, 156-158, 160-163, 182, 196, 197 | imprecise |
célfüggvény 13, 44, 184, 302-308 |
object function |
centrálás 29, 71, 91, 168 | mean centering |
Cholesky felbontás 206, 211, 212, 255, 265 | Cholesky decomposition |
csomópont 65, 183, 312, 314, 316-331 |
node |
csoportelemzés 32, 38-43, 46-51, 53-55, 212, 327, 331 | Cluster Analysis, CA |
derivált, mátrixoké 79, 156, 247, 269, 317, 320, 321 |
matrix derivative |
derivált, vektoroké 269, 270, 320, 321 | vector derivative |
determináns 63, 141, 142, 151, 155, 156, 187, 246-248, 255, 258, 259, 261-266, 290 | determinant |
diagonális mátrix 75, 190, 245, 247, 253, 255 | diagonal matrix |
diagonalizálás 86 | diagonalisation |
diódasoros érzékelő 166 | Diode-Array Detector, DAD |
diszperziós mátrix 86 | dispersion matrix |
döntő 171, 180 | decisive |
egy elem kihagyás (módszere) 89 |
Leave-One-Out ,LOO |
egyenlőtlen eloszlású osztályok 66 | UNEQual dispersed classes, UNEQ |
egyke 39, 44 | singleton |
egységmátrix 74, 85, 170, 244-246, 253, 255, 258 | identity matrix |
ekvivariáns 138, 139, 140-142, 146 | equivariant |
életlen csoportelemzés 50-54 | fuzzy clustering |
életlen helyi legjobb közelítés 159 | fuzzy local best approximation |
életlen lineáris regresszió 109, 158, 159, 162 | fuzzy linear regression |
ellenőrző halmaz 200, 206, 209, 212, 322 | monitoring or test set |
eloszlás | distribution |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
eloszlásmentes 126 | distribution free |
előrejelzés, jóslás | prediction |
|
|
|
|
|
|
előrejelző halmaz 48, 200, 206, 209 | prediction set |
eltérés-négyzetösszeg 179, 184 | sum of squared residuals |
eltolás ekvivariáns 138, 139 | translation equivariant |
eltolódás 164, 165, 187 | offset |
entrópia 53, 54, 277-278 | entropy |
érzékelési mező 331 | receptive field |
esemény | event |
|
Ř real |
|
|
|
|
|
|
|
|
|
|
|
|
eseménytér 271, 272, 274 | space of events |
|
|
eukleidészi norma 117, 170, 249 | Euclidian norm |
evolúciós algoritmus 310 | evolutionary algorithm |
fa-diagram 230 |
tree-diagram |
faktor, absztrakt faktor 60, 72-77, 79-83, 172, 190, 196-198, 223, 319, 327 | factor score |
faktoranalízis 30, 71-74, 77, 80-85, 106, 171, 181, 192 | factor analysis, FA |
faktor-együttható 73-80, 88 | loading |
feldolgozó egység 68, 324 | processing unit |
felosztás 43-46, 51, 53-55, 126, 162 | partition |
felső háromszög mátrix 245, 247, 265, 266 | upper triangular matrix |
felügyelt (ellenőrzött) 32, 35, 54-56, 60, 63, 68, 88, 198, 212, 314, 317, 318, 322, 327-329, 331 | supervised |
főkomponens (érték) 85 | score |
főkomponens-együttható 84-93, 95, 97-99, 183 | loading |
főkomponens-elemzés (FKE) 20, 56, 60, 62, 67, 71, 77, 84-103, 112, 183, 189, 205, 208, 331 | Principal Component Analysis, PCA |
főkomponens-regresszió (FKR) 168, 171, 177, 189-194, 199, 205, 208-210 | Principal Component Regression, PCR |
főtengely transzformáció 77 | principal component transformation |
függvénykapcsolat 13, 20, 28, 109-116, 151, 152, 157, 158, 160, 162, 165-168, 177-179, 281 | relationship |
genetikus algoritmus 184, 306-308, 310, 317, 322 |
Genetic Algorithm, GA |
genetikus függvényközelítés 310 | Genetic Function Approximation, GFA |
gépi tanulás 331 | machine learning |
gyakoriság 26, 150, 160, 163, 216, 229, 237, 293, 294 |
frequency |
háromszög mátrix 245, 247, 265, 266 |
triangular matrix |
háromszögdiagram 54 | ternary plot |
hasonlóság 28, 37, 55, 61, 84, 89, 92, 94, 101, 261, 313, 314, 327 | similarity |
hasonlósági transzformáció 261 | similarity transformation |
hatásfüggvény 139, 140, 142 | influence function, IF |
háttér 21, 47, 111, 164, 165, 170, 310 | background |
háttérváltozó 73 | underlying factor |
háztömbtávolság 35, 36 | city block (Manhattan) distance |
hegyomlás ábra 88, 96, 97 | scree plot |
helyileg súlyozott regresszió 171, 199, 211, 212, 331 | Locally Weighted Regression, LWR |
helyparaméter 118, 121-127, 138-140, 142, 143, 146 | location parameter |
hiba 73-77, 85, 89, 99, 103, 114, 115, 123, 129, 163-166, 170, 178, 183, 185, 189, 192, 199, 206, 212, 220, 224, 2378, 239, 280, 281, 302, 305, 306, 309, 317-321, 328, 329 | error |
hibaderivált 317, 318, 320, 321 | error derivative |
hibafelület 302, 305, 306 | error or response surface |
hipotézis 73, 74, 113, 126, 135, 136, 150, 170, 182, 227-229, 284, 287, 288, 296 | hypothesis |
|
|
idempotens mátrix 251 |
idempotent matrix |
idősorelemzés 222-223 | time series analysis |
invariáns 138, 219 | invariant |
inverz kalibráció 116, 163, 164, 168, 170 | inverse calibration |
inverz mátrix 244, 245, 255 | inverse of a matrix |
ismételt mediánok 129 | repeated medians |
jelkövető módszer 224 |
tracking-signal method |
jó modellérzékenységű 146 | good leverage |
kanonikus diszkrimináns faktorelemzés 60-63 |
Canonical Variate Analysis, CVA |
kanonikus változó 60-63 | canonical variable |
kapcsolódási szabály 38, 40, 41, 42, 49 | linkage rule |
kapcsolt technikák 171 | hyphenated techniques |
keresztellenőrzés 48, 57, 68, 88, 89, 179, 195, 212, 321 | Cross-Validation, CV |
keresztezés 308, 309, 310 | cross-over |
kimeneti jel 312, 314, 318 | output |
kimutatási határ 152, 170 | limit of detection |
kísérlet | experiment |
|
|
|
|
|
|
kishullám 184 | wavelet |
kisminta-tulajdonság 130 | small sample feature |
kiugró érték 15, 44, 66-68, 72, 138, 143, 145, 146, 171 | outlier |
K-közép 44-46, 49-51, 54, 331 | K-mean |
klasszikus kalibráció 116, 163 | classical calibration |
kockázatfüggvény 148, 149, 150 | risk function |
Kohonen-térkép 325 | Kohonen map |
kommunalitás 63, 75-78, 85 | communality |
kondíciószám, mátrixé 188, 249, 250 | condition number of a matrix |
konformábilis mátrixok 251 | conformable matrices |
korreláció 111-113 | correlation |
|
|
|
|
korrelációs analízis 111 | correlation analysis |
korrelációs együttható 78-80, 111, 112, 180, 182, 205, 281-283, 289-293, 298 | correlation coefficient |
korrelációs mátrix 37, 76-80, 89, 91, 93, 96, 263, 289, 290 | correlation matrix |
korrigált tapasztalati szórásnégyzet (mintáé) 29, 279 | corrected square of standard deviation (in the sample) |
kovariancia | covariance |
|
|
közös (általános) faktor 72 | common factor |
kromoszóma 307, 308, 310 | chromosome |
különbözőség 56, 313 | dissimilarity |
kvadratikus alak 266, 267 | quadratic form |
Legkisebb Négyzetek (LKN) módszere 117, 136, 177, 317, 339 |
Least Squares’ (LS) method |
legközelebbi szomszéd 48, 49, 212 | Nearest Neighbour, NN |
legnagyobb valószerűség 121-123, 131 | maximum likelihood |
leggyakoribb érték 119, 125 | Most Frequent Value, MFV |
leképezés keresés regresszió 171 | Projection Pursuit Regression, PPR |
lineáris altér 117, 259 | linear subspace |
lineáris életlen regresszió 109, 160-162 | linear fuzzy regression |
lineáris tér 56, 117, 256, 257-259 | linear space |
magpont 44, 46, 47, 48 |
seed |
Markov-láncok 229-232, 235 | Markov chains |
|
|
|
|
Markov-folyamatok 229, 235, 236 | Markov processes |
|
|
|
|
mátrix rangja 28, 74, 76, 86, 191, 196, 256, 258, 259, 262, 264 | rank |
mátrixblokk 244 | submatrix |
mátrixnorma 248-249 | norm of a matrix |
medián 26, 118, 120, 126-129, 139, 140, 227, 228, 278, 289, 292 | median |
medián abszolút eltérés 139 | median absolute deviation, MAD |
megbízhatósági intervallum 322 | confidence interval |
megengedhető 149, 150, 164, 220 | admissible |
megeresztési hőmérséklet 304 | annealing temparature |
megmagyarázott variancia 88 | explained variance |
mérési pontok elhelyezése 151-156 | allocation |
mesterséges ideg(sejt)hálózat 54-55, 68, 183, 198, 212, 312-331 | Artificial Neural Network, ANN |
minimális információveszteség 123-125 | minimum I-divergence |
minimális kovariancia-determináns becslő 141 | minimum covariance determinant, MCD, estimator |
minimális térfogatú ellipszoid becslő140 | minimum volume ellipsoid, MVE, estimator |
minimális varianciával rendelkező, torzítatlan becslés a lineáris becslőkkel kapottak között 132 | Best Linear Unbiased Estimation, BLUE |
minormátrix 244 | minor matrix |
minta 17, 25, 28, 43, 44, 47, 55, 59, 64, 68, 78, 79, 83, 91, 121, 123, 126-131, 138, 141, 142, 145, 157, 162, 163, 166, 181, 194-196, 220, 232-234, 256, 267, 278-284, 287, 292, 294, 317, 327 | sample |
mintastatisztika 181 | sample statistics |
mintázat (alak, alakzat) 19, 84, 90, 99, 101, 183 | pattern |
modálmátrix 262 | modal matrix |
módusz 26, 278 | mode |
momentum 120-121 | moment |
|
|
|
|
|
|
Moore-Penrose inverz 254, 256 | Moore-Penrose inverse |
mozgó átlag módszere 223, 225 | moving average method |
multiplikatív inverz 245 | inverse of a sqare matrix |
mutáció 129, 233, 234, 247, 308-310, | mutation |
n-ed rendű kalibráció 163, 165, 166, 170, 172 |
nth order calibration |
négyzetek legkisebb mediánja 120 | Least Median of Squares, LMS |
négyzetes diszkriminancia-elemzés 58 | Quadratic Discriminance Analzsis, QDA |
négyzetes középhiba 164 | Mean Square Error, MSE |
négyzetes (kvadratikus) mátrix 35, 86, 168, 187, 245-247, 250, 251, 255, 263, 266 | square matrix |
nemlineáris iteratív részleges legkisebb négyzetek módszere 86 | Nonlinear Iterative Partial Least Squares, NIPALS |
nemparaméteres próbák 126, 224 | non-parametric tests |
nemzedék (generáció) 307, 308, 309 | generation |
népesség (populáció) 306-310 | population |
nettó analitikus jel 170 | Net Analytical Signal, NAS |
nyom, mátrixé 62, 89, 151, 188, 246, 249 |
trace of a matrix |
objektum, tárgy 25, 27, 46, 71 |
object |
ortogonális (derékszögű) 180, 187, 261 | orthogonal |
ortogonális bázis 171, 258 | orthogonal basis |
ortogonális mátrix 253, 265 | orthogonal matrix |
ortogonális vektorok 253, 257 | orthogonal vectors |
ortonormált bázis 258, 262 | orthonormal basis |
oszlopvektor 82, 84, 129, 138, 180, 243, 252, 258 | column vector |
osztály analógiák közvetett modellezése 66 | Soft Independent Modelling of Class Analogy, SIMCA |
osztályozás 19, 26, 32, 44, 55, 57, 58, 60, 64-66, 68, 93, 96, 101 | classification |
osztályozási (döntési) fa 65, 66 | Classification (and Regression) (decision) Tree, CART |
ökölszabály 96, 146 |
rule of thumb |
önszerveződés 55, 322 | self-oganisation |
összeomlási pont 138-140, 142, 143, 146 | breakdown point |
összevonó 39, 41 | agglomerative |
paraméterbecslés 109, 113-162, 177, 179, 180, 182, 185 |
parameter estimation |
particionálás (felosztás), mátrixé 43, 244 | partitioning of a matrix |
peremeloszlás 298 | marginal distribution |
pontfolyamatok 16-19, 28, 35, 38, 44, 236 | point processes |
pozitív definit mátrix 262, 266 | positive definite matrix |
próba | test |
|
|
próbastatisztika (teszt statisztika) 127, 135, 150, 279-281, 288 | test statistics |
projektormátrix 251 | projection matrix |
pszeudoinverz 168, 188, 265 | Moore-Penrose inverse |
pszeudorang 86, 191 | pseudorank |
radiális bázisfüggvény 329 |
Radial Basis Function, RBF |
rang, mátrixé 28, 74, 76, 86, 191, 196, 256, 258, 259, 262, 264 | rank of a matrix |
rangcsökkentés 83, 170, 171 | rank annihilation |
rangszám-korreláció 127-128, 225, 283 | rank correlation |
rátermettség 308-310 | fitness |
reciprok inverz 255 | inverse of a sqare matrix |
redukált korrelációs mátrix 76, 77 | reduced correlation matrix |
regresszióanalízis 113 | regression analysis |
rejtett réteg 206, 207, 211, 329-331 | hidden layer |
rejtett változó 112, 192, 193, 195, 206, 207, 211 | latent variable |
rekombináció 308 | recombination |
relatív fontosság 158, 159 | relative cardinality |
relatív gyakoriság 150, 237 | frequency ratio |
reprodukció 308, 309 | reproduction |
részleges (parciális) legkisebb négyzetek módszere 168, 177, 183, 191-194, 322 | Partial Least Squares’ method, Projection of Latent Structures, PLS |
reziduális mátrix 83, 88 | residual matrix |
robusztus 17, 109-121, 125, 129, 137-140, 143, 145, 146, 157, 163, 171 | robust |
rossz modellérzékenységű 146 | bad leverage |
sajátérték 75, 77, 82, 84-86, 88-91, 96, 139, 151, 188-191, 247, 250, 251, 259, 261-263, 265, 266 |
eigenvalue or characteristic root or latent root |
sajátérték elemzés 61, 86 | Eigenvalue Analysis, EA |
sajátvektor 61, 75, 81, 189, 193, 196, 261-264 | eigenvector or characteristic vector |
skálaparaméter 121, 122, 124, 125, 138, 141, 143, 146, 196 | scale parameter |
sokszoros ráfogás 72 | multiple imputation |
sorvektor 243, 249, 252, 253, 258 | row vector |
specifikus faktor 76 | specific factor |
spektrálfelbontás 262 | spectral decomposition |
spur, mátrixé l. nyom | trace of a matrix |
stacioner 219-222, 232, 292 | stationary |
standardizálás 29, 30, 54, 263 | autoscaling |
statisztika 17, 20, 21-31, 62, 63, 68, 74, 84, 103, 104, 120, 123, 126-132, 135, 137, 140, 145, 150, 157, 162, 172, 181-184, 196, 206, 216, 219, 222-228, 240, 278-281, 287, 288 | statistics |
statisztikai próbafüggvény (teszt statisztika) 117 | test statistics |
statisztikai próbák 279 | statistical tests |
súlyozás 17, 77, 133, 206, 207, 211, 212 | weighting |
sűrűség- (potenciál-) függvény 64-65, 123-125, 140, 274, 277, 280, 299-300 | density (potential) function |
szabadsági fok 62, 67, 68, 127, 132, 150, 182, 294, 295 |
degree of freedom |
szám-n-es 256 | N-tuple of numbers |
számtani átlag (mintáé) 78, 275, 279, 294 | arithmetic mean |
szignifikanciaszint 67, 68, 136, 182, 183, 239, 280, 284, 286-288, 292, 293, 295 | significance level |
szimmetrikus mátrix 142, 143, 186, 188, 254, 262, 266 | symmetric matrix |
szimulált megeresztés 184, 304-306, 317, 322 | Simulated Annealing, SA |
szinguláris érték 86, 168, 190, 196, 249, 263-265 | singular value |
szinguláris-érték felbontás 168, 256, 263, 264 | Singular Value Decomposition, SVD |
szinguláris mátrix 138, 186, 188, 245, 248, 255, 259, 261, 264 | singular matrix |
szomszédsági függvény 324 | neighbour function |
szórás 14, 18, 28-30, 73, 75, 77, 80, 84, 93, 111, 121, 122, 127, 129-134, 139, 141, 148, 152, 153, 155, 156, 182, 185, 194, 217, 218, 220, 221, 223, 224, 238, 276, 277, 279, 281, 282, 289, 293, 325 | Root-Mean-Square (RMS) error |
szórás négyzet (a sokaságé) 75, 77, 80, 84, 139, 141, 152, 153, 155, 220, 221, 279, 281, 289 | variance |
sztochasztikus folyamatok 215-239 | stochastic processes |
sztochasztikus gradiens módszer 303-304 | stochastic gradient method |
tanulási sebesség 319-321, 327 |
learning rate |
távolság 19, 30, 32, 35-39, 44-51, 53, 57, 58, 66, 117, 124, 141, 145, 146, 154, 195, 206, 207, 211, 212, 218, 257, 324, 329 | distance |
teljesítményjellemzők (kalibrációnál) 170 | figures of merit (for calibration) |
torzítás 19, 61, 72, 131, 133, 137, 138, 164-166, 179, 182, 189, 196 | bias |
torzítatlan 79, 117, 121, 129, 130-135, 148, 164, 172, 279, 284, 290 | unbiased |
torzított 79, 131, 133-135, 137, 145, 148, 168, 172, 177, 184 | biased |
többváltozós alkalmazkodó regressziós szplájnfüggvény 171 | Multivariate Adaptive Regression Spline, MARS |
transzponált mátrix 80, 254 | transposed matrix |
túlhatározott egyenlet 267, 268 | overdetermined equation |
utazó ügynök 305, 306 |
traveling salesman |
valószínűség 20, 25, 28, 30-32, 44, 55-57, 64, 66, 73, 101, 111, 114-116, 120, 126, 129, 133, 136, 139, 148, 150, 151, 153, 157, 160, 177, 178, 182, 215-221, 229, 233, 235-238, 266, 267, 271-284, 287, 289-292, 294-296, 298, 302-304, 308, 309, 331 |
probability |
valószínűségi sűrűségfüggvény 217 | Probability Density Function, PDF |
|
|
valószínűségi változó 25, 31, 57, 64, 66, 114, 116, 129, 133, 136, 153, 160, 177, 178, 215-218, 220, 221, 226, 233, 235-238, 266, 274-276, 278, 281-284, 287, 289, 290-292, 295, 296, 298 | probability variable |
|
|
|
|
|
|
|
|
valószínűségi változók függetlensége 281 | indipendency of random variables |
|
|
|
|
váltakozó feltételes várhatóérték keresés 171 | Alternating Conditional Expectation, ACE |
változók kiválasztása (változószelekció) 179, 181, 205 | variable selection |
várható érték (sokaságé) 30, 111, 115, 122, 125-127, 129, 130, 134, 138, 140, 148, 155, 170, 171, 177, 185, 218, 220, 221, 223, 233, 234, 237, 275-279, 282, 289, 294, 298, 299, 303 | expected value |
várható fontosság 158 | expected cardinality |
vektornorma 248-249 | vector norm |
vektortér 256 | vector space |
véletlen keresés 303, 304 | random search |
veszteségfüggvény 148, 149 | loss function |
visszafuttatásos (hiba-visszaterjesztéses) algoritmus 318, 320 | Back-Propagation (BP) algorithm |
Wald-Wolfowitz sorozat próba 226-229 |
Wald-Wolfowitz sequence test |
zavaró hatás 83, 112, 164, 165, 168 |
interference |
zérusmátrix 244, 245 | zero matrix |