Bỏ qua đến nội dung chính
Mục lục

Thuật ngữ machine learning Việt⁠–⁠Anh có ví dụ

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 6/9 · Chương 14

Trang phụ trợ

  • 17 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Trang này là bảng thuật ngữ machine learning Việt–Anh: feature, label, overfitting, data leakage, cross-validation và hơn một trăm từ khác hay gặp trong tài liệu scikit-learn, bài báo và câu hỏi phỏng vấn. Mở trang khi đọc tài liệu tiếng Anh, đọc thông báo lỗi hay nghe đồng nghiệp nói một từ mà bạn chưa chắc nghĩa.

Cách dùng với trang này

Thuật ngữ chia thành mười nhóm theo thứ tự các chương của tutorial: nền tảng, chia dữ liệu và đánh giá, metric, hồi quy, phân loại, cây và boosting, học không giám sát, tiền xử lý và pipeline, tinh chỉnh và giải thích, mạng nơ-ron. Trong mỗi nhóm, từ xếp theo chữ cái tiếng Anh; sau tên tiếng Anh in đậm là cách tutorial này gọi, và nhiều từ được giữ nguyên tiếng Anh vì người làm nghề nói như thế (feature, label, pipeline, recall).

Cột Giải nghĩa chỉ đủ để nhận ra từ, thường kèm tên lớp hay hàm scikit-learn tương ứng trong backtick. Muốn hiểu kỹ và chạy thử, mở bài ở cột cuối. Thuật ngữ về bảng, cột, lọc dữ liệu có ở thuật ngữ phân tích dữ liệu; trung bình, phương sai, p-value có ở thuật ngữ thống kê.

Nền tảng

Thuật ngữ

Giải nghĩa

Học ở bài

baseline · mốc so sánh

Model đơn giản nhất, như đoán trung bình (DummyRegressor); model thật phải vượt nó mới đáng dùng

baseline

classification · phân loại

Bài toán đoán một nhóm, như hội viên có rời bỏ hay không

các loại bài toán

clustering · phân cụm

Gom hội viên thành nhóm theo hành vi khi bảng không có cột nhãn để học theo

các loại bài toán

estimator

Đối tượng của scikit-learn có fit(): model, bộ chuẩn hóa, bộ mã hóa đều là estimator

fit, predict, score

feature · feature (đặc trưng)

Một cột dùng để đoán, như diện tích căn nhà; cả bảng feature thường gọi là X

học máy là gì

fit · fit (học)

Cho model nhìn dữ liệu để tìm tham số, model.fit(X, y)

fit, predict, score

label, target · label (nhãn)

Cột cần đoán, như giá nhà hay cột rời bỏ; thường gọi là y

học máy là gì

machine learning · học máy

Cách để máy rút ra luật từ dữ liệu thay cho người viết luật bằng tay

học máy là gì

model · model (mô hình)

Thứ học được từ dữ liệu, nhận feature của một dòng và trả ra dự đoán

học máy là gì

prediction · dự đoán

Giá trị model trả ra cho một dòng, model.predict(X)

fit, predict, score

regression · hồi quy

Bài toán đoán một con số, như thời gian giao một đơn

các loại bài toán

sample · mẫu, dòng

Một dòng của bảng dữ liệu; scikit-learn gọi số dòng là n_samples

fit, predict, score

supervised learning · học có giám sát

Mỗi dòng của bảng học đã kèm đáp án; hồi quy và phân loại thuộc loại này

các loại bài toán

unsupervised learning · học không giám sát

Học từ bảng không có label, như phân cụm và giảm chiều

các loại bài toán

Chia dữ liệu và đánh giá

Thuật ngữ

Giải nghĩa

Học ở bài

bias–variance · độ chệch và phương sai

Hai nguồn sai: model quá cứng đoán lệch đều, model quá mềm đổi nhiều theo mẫu học

overfitting

cross-validation · kiểm định chéo

Chia dữ liệu thành k phần, lần lượt giữ một phần để chấm; cross_val_score()

cross-validation

data leakage · rò rỉ dữ liệu

Thông tin model không thể có lúc dùng thật lọt vào lúc học, làm điểm cao ảo

data leakage

fold · fold (phần)

Một trong k phần của cross-validation: lần lượt mỗi phần làm phần chấm, k − 1 phần kia để học

cross-validation

holdout · phần giữ lại

Dữ liệu cất riêng không dùng khi học, chỉ để chấm

train, validation, test

learning curve · đường học

Điểm train và điểm kiểm theo số dòng học, learning_curve()

learning curve

overfitting · quá khớp

Model bám theo cả những dao động tình cờ của bảng học, nên chấm trên dòng mới tụt xa so với chấm trên dòng đã học

overfitting

random_state · hạt giống

Số cố định cách xáo hay khởi tạo ngẫu nhiên, để chạy lại ra cùng kết quả

train_test_split

stratified split · chia giữ tỉ lệ lớp

Chia sao cho tỉ lệ các lớp ở mỗi phần như cả bảng; stratify=y, StratifiedKFold

train_test_split

target leakage · rò nhãn

Một feature được ghi sau khi label đã xảy ra, nên chứa sẵn đáp án

data leakage

test set · tập test

Phần hội viên tách ra trước mọi lựa chọn và chỉ chấm đúng một lần, khi model đã chốt

train_test_split

train set · tập train

Các dòng đưa vào fit(); tham số của model được chỉnh theo chúng

train_test_split

underfitting · chưa khớp

Model quá đơn giản, sai nhiều ngay trên dữ liệu đã học

overfitting

validation set · tập validation

Phần dùng để chọn model, chọn cột, chọn tham số trước khi chạm tới test

train, validation, test

Metric

Thuật ngữ

Giải nghĩa

Học ở bài

accuracy · độ chính xác

Số dòng đoán trúng chia tổng số dòng, accuracy_score(); trông đẹp giả khi một lớp chiếm gần hết

confusion matrix

average precision (PR-AUC) · diện tích dưới đường PR

Tóm đường precision–recall thành một số, average_precision_score()

đường ROC và PR

Brier score · điểm Brier

Trung bình bình phương độ lệch giữa xác suất đoán và nhãn 0/1, brier_score_loss()

hiệu chỉnh xác suất

calibration · hiệu chỉnh xác suất

Làm xác suất model nói khớp tỉ lệ thật: nói 0,3 thì khoảng 30% là dương

hiệu chỉnh xác suất

confusion matrix · ma trận nhầm lẫn

Bảng đếm bốn ô TP, FP, FN, TN, confusion_matrix()

confusion matrix

F1-score · F1

Gộp precision và recall thành một số, kéo về phía số nhỏ hơn, f1_score()

precision, recall, F1

false negative (FN) · âm tính giả

Dòng dương mà model bỏ sót

confusion matrix

false positive (FP) · dương tính giả

Dòng âm mà model báo nhầm là dương

confusion matrix

log-loss

Phạt xác suất đoán sai, phạt nặng khi đoán chắc mà sai, log_loss()

log-loss

MAE · sai số tuyệt đối trung bình

Trung bình độ lệch giữa giá trị đoán và giá trị thật, cùng đơn vị với label

MAE, RMSE, R²

MAPE · sai số phần trăm trung bình

Lấy mỗi độ lệch chia giá trị thật rồi tính trung bình; vô nghĩa khi label có số 0

MAE, RMSE, R²

metric · thước đo

Con số chấm model, chọn theo bài toán trước khi viết code

bảng tra metric

positive class · lớp dương

Lớp bạn quan tâm bắt, thường ghi là 1, như khách rời bỏ

confusion matrix

precision

Trong các dòng model báo dương, bao nhiêu phần đúng là dương

precision, recall, F1

R² · hệ số xác định

1 là đoán đúng hết, 0 là bằng đoán trung bình của bảng được chấm, r2_score()

MAE, RMSE, R²

recall

Trong các dòng dương thật, model bắt được bao nhiêu phần

precision, recall, F1

RMSE · căn sai số bình phương trung bình

Căn của trung bình bình phương độ lệch; phạt nặng các lần đoán lệch xa

MAE, RMSE, R²

ROC-AUC · diện tích dưới đường ROC

Xác suất model xếp một dòng dương cao hơn một dòng âm; 0,5 là đoán bừa

ROC-AUC

scoring · tên metric

Chuỗi chọn metric cho cross-validation và tìm tham số, như scoring="roc_auc"

cross-validation

true positive (TP) · dương tính thật

Dòng dương model bắt đúng

confusion matrix

Hồi quy và tối ưu

Thuật ngữ

Giải nghĩa

Học ở bài

coefficient · hệ số

Trọng số của một feature trong model tuyến tính, coef_

LinearRegression

ElasticNet

Phạt hệ số bằng cả hai kiểu L1 và L2

Ridge và Lasso

gradient

Hướng mà loss tăng nhanh nhất theo tham số; đi ngược hướng này để loss giảm

gradient descent

gradient descent

Cập nhật tham số từng bước ngược chiều gradient cho tới khi loss gần đứng yên

gradient descent

intercept · hệ số chặn

Phần cộng thêm cố định của model tuyến tính, không gắn với cột nào, intercept_

LinearRegression

Lasso

Hồi quy phạt tổng trị tuyệt đối hệ số (L1), đẩy hệ số của cột yếu về đúng 0

Ridge và Lasso

learning rate · tốc độ học

Độ dài mỗi bước cập nhật; lớn quá thì loss nhảy, nhỏ quá thì học chậm

gradient descent

linear regression · hồi quy tuyến tính

Nhân mỗi feature với một hệ số, cộng lại, thêm hệ số chặn là ra dự đoán

hồi quy tuyến tính

loss function · hàm mất mát

Con số đo model sai bao nhiêu trên dữ liệu học; học là làm nó nhỏ đi

hồi quy tuyến tính

multicollinearity · đa cộng tuyến

Hai feature gần như nói cùng một điều, làm hệ số của chúng khó đọc

hồi quy đa biến

normal equation · phương trình chuẩn

Công thức tính thẳng hệ số của hồi quy tuyến tính bằng đại số ma trận

đạo hàm và gradient

polynomial features · feature đa thức

Thêm cột bình phương và tích từng cặp cột (PolynomialFeatures), nhờ đó hồi quy tuyến tính bám được đường cong

PolynomialFeatures

regularization · điều chuẩn

Thêm khoản phạt hệ số lớn vào loss để model bớt bám nhiễu

Ridge và Lasso

residual · phần dư

Giá trị thật trừ giá trị đoán của một dòng

hồi quy tuyến tính

Ridge

Hồi quy phạt tổng bình phương hệ số (L2), co mọi hệ số nhỏ lại

Ridge và Lasso

VIF · hệ số phóng đại phương sai

Đo một feature bị các feature khác giải thích tới mức nào

hồi quy đa biến

Phân loại

Thuật ngữ

Giải nghĩa

Học ở bài

class imbalance · mất cân bằng lớp

Lớp cần bắt chỉ chiếm phần nhỏ của bảng, như 5% hồ sơ vay vỡ nợ

dữ liệu mất cân bằng

class weight · trọng số lớp

Cho lỗi trên lớp hiếm nặng hơn khi học, class_weight="balanced"

class_weight

decision boundary · ranh giới quyết định

Nơi dự đoán của model đổi từ lớp này sang lớp khác khi feature thay đổi

ranh giới quyết định

decision threshold · ngưỡng quyết định

Mốc so với xác suất để đổi ra nhãn 0/1; predict() dùng 0,5, nhưng mốc nên đặt theo giá của từng loại sai

ngưỡng quyết định

kernel

Cách SVM đo độ giống giữa hai dòng, như kernel="rbf"

SVM

KNN · k hàng xóm gần nhất

Đoán theo k dòng gần nhất trong dữ liệu học, KNeighborsClassifier

KNN

logistic regression · hồi quy logistic

Model phân loại tuyến tính trả xác suất qua hàm sigmoid, LogisticRegression

LogisticRegression

log-odds, logit · log-odds

Log của odds; model logistic là tuyến tính trên thang này

hệ số và odds

margin · lề

Khoảng cách từ ranh giới tới các điểm gần nhất mà SVM cố làm rộng

SVM

Naive Bayes

Phân loại bằng công thức Bayes, giả định các feature độc lập khi biết lớp

Naive Bayes

odds

Tỉ số p / (1 − p), như 0,25 / 0,75 = 1/3

hệ số và odds

oversampling · tăng mẫu

Nhân thêm dòng của lớp hiếm trong tập train; làm trước khi chia là rò dữ liệu

class_weight

predict_proba · xác suất dự đoán

Cột xác suất từng lớp mà model phân loại trả ra, predict_proba()

ROC-AUC

sigmoid · hàm sigmoid

Hàm nén mọi số thực vào khoảng 0 tới 1

sigmoid

SMOTE

Tạo dòng mới cho lớp hiếm bằng cách nội suy giữa các dòng gần nhau (gói imbalanced-learn)

class_weight

support vector · vector hỗ trợ

Các điểm nằm sát ranh giới, quyết định vị trí ranh giới của SVM

SVM

SVM · máy vector hỗ trợ

Phân loại bằng ranh giới có lề rộng nhất, SVC

SVM

undersampling · giảm mẫu

Bỏ bớt dòng của lớp đông trong tập train

class_weight

Cây và boosting

Thuật ngữ

Giải nghĩa

Học ở bài

bagging

Mỗi model con học trên một bản rút lại của bảng, rồi bỏ phiếu chung

Random Forest

boosting

Học nối tiếp nhiều cây nhỏ, cây sau sửa phần sai của các cây trước

boosting

bootstrap sample · mẫu bootstrap

Mẫu rút có hoàn lại, cùng cỡ với bảng gốc

Random Forest

decision tree · cây quyết định

Model hỏi lần lượt các câu dạng "cột này lớn hơn mốc kia không", mỗi nhánh dẫn tới một câu khác hay một dự đoán, DecisionTreeClassifier

cây quyết định

early stopping · dừng sớm

Boosting thôi thêm vòng khi điểm trên phần validation tách riêng không tốt lên sau một số vòng liền

HistGradientBoosting

entropy

Độ hỗn loạn của nhãn trong một nút; nút chỉ một lớp có entropy 0

Gini và entropy

feature importance · độ quan trọng của feature

Mức một feature góp vào dự đoán, như feature_importances_ của cây

permutation importance

Gini impurity · độ bất thuần Gini

Xác suất gán nhầm nhãn nếu gán ngẫu nhiên theo tỉ lệ lớp trong nút

cây quyết định

histogram binning · chia bin

Gom giá trị của một cột vào vài trăm khoảng trước khi tìm chỗ chia, cách HGB chạy nhanh

HistGradientBoosting

information gain · độ lợi thông tin

Entropy giảm được sau một lần chia

Gini và entropy

leaf · lá

Nút cuối của cây, nơi trả ra dự đoán

cây quyết định

LightGBM

Thư viện boosting nhanh, mọc cây theo lá, LGBMClassifier

LightGBM

out-of-bag (OOB) · ngoài túi

Các dòng không rơi vào mẫu bootstrap của một cây, dùng để chấm cây đó, oob_score=True

Random Forest

pruning · tỉa cây

Giới hạn độ sâu hay cỡ lá để cây bớt nhớ nhiễu, max_depth=, min_samples_leaf=

tỉa cây

random forest · rừng ngẫu nhiên

Nhiều cây, mỗi cây học trên một mẫu bootstrap và ở mỗi lần chia chỉ xét một nhóm cột bốc ngẫu nhiên; dự đoán là trung bình xác suất của các cây

Random Forest

XGBoost

Thư viện boosting phổ biến, XGBClassifier

XGBoost và LightGBM

Học không giám sát

Thuật ngữ

Giải nghĩa

Học ở bài

centroid · tâm cụm

Tọa độ đại diện của một cụm, tính bằng trung bình các điểm trong cụm, cluster_centers_

K-Means

curse of dimensionality · lời nguyền số chiều

Càng nhiều cột, các cặp điểm càng xa nhau gần như ngang nhau, nên KNN khó tìm ra hàng xóm gần thật

PCA

DBSCAN

Phân cụm theo mật độ, đánh dấu điểm lẻ loi là nhiễu (nhãn -1)

DBSCAN

dendrogram · biểu đồ cây phân cụm

Hình cây cho thấy thứ tự các cụm được gộp trong phân cụm phân cấp

phân cụm phân cấp

elbow method · phương pháp khuỷu tay

Vẽ inertia theo K rồi lấy K ở chỗ đường hết dốc mạnh và bắt đầu thoải

chọn số cụm

explained variance ratio · tỉ lệ phương sai giải thích

Phần thông tin mỗi thành phần chính giữ lại, explained_variance_ratio_

PCA

hierarchical clustering · phân cụm phân cấp

Gộp dần các điểm gần nhau thành cụm lớn hơn, AgglomerativeClustering

phân cụm phân cấp

inertia

Đo độ chặt của các cụm: cộng bình phương khoảng cách điểm–tâm, inertia_

K-Means

K-Means

Chọn k tâm, xếp mỗi điểm vào tâm gần, tính lại tâm, làm tới khi tâm đứng yên, KMeans

K-Means

noise point · điểm nhiễu

Điểm không thuộc cụm nào trong DBSCAN

DBSCAN

PCA · phân tích thành phần chính

Xoay trục để dồn thông tin vào vài cột đầu, rồi bỏ các cột sau, PCA

PCA

principal component · thành phần chính

Trục mới PCA dựng từ tổ hợp các cột cũ, components_

PCA

silhouette score · hệ số silhouette

Điểm từ −1 tới 1 đo các cụm có tách nhau rõ không, silhouette_score()

chọn số cụm

Tiền xử lý và pipeline

Thuật ngữ

Giải nghĩa

Học ở bài

binning · chia khoảng

Cắt giá trị liên tục thành các khoảng rồi dùng khoảng thay cho số, KBinsDiscretizer

feature ngày, binning

column transformer · bộ xử lý theo cột

Áp mỗi kiểu tiền xử lý cho một nhóm cột, ColumnTransformer

ColumnTransformer

feature engineering · tạo feature

Tạo cột mới từ hiểu biết nghiệp vụ, như tỉ lệ hay số ngày từ lần mua cuối

feature engineering

imputation · điền ô trống

Thay ô thiếu bằng trung vị hay giá trị khác, SimpleImputer

SimpleImputer

interaction feature · feature tương tác

Tích của hai cột, để model tuyến tính thấy tác động chung của chúng

feature ngày, binning

min-max scaling · chuẩn hóa min-max

Đưa cột về khoảng 0 tới 1, MinMaxScaler

chọn scaler

missing indicator · cột báo thiếu

Thêm khi điền ô trống: mỗi dòng được ghi 1 nếu lúc đầu thiếu, 0 nếu không, add_indicator=True

SimpleImputer

one-hot encoding · mã hóa one-hot

Đổi một cột nhóm thành nhiều cột 0/1, mỗi nhóm một cột, OneHotEncoder

OneHotEncoder

ordinal encoding · mã hóa thứ bậc

Đổi mỗi nhóm thành một số nguyên, OrdinalEncoder

Ordinal và Target

pipeline

Nối các bước tiền xử lý với model thành một estimator, make_pipeline()

pipeline

preprocessing · tiền xử lý

Mọi bước biến bảng thô thành bảng số model nhận được

pipeline đầy đủ

robust scaling · chuẩn hóa bền

Trừ trung vị, chia khoảng tứ phân vị, ít bị ngoại lai kéo, RobustScaler

chọn scaler

serialization · lưu model

Ghi model đã học ra file để dùng lại, joblib.dump()

lưu model

standardization · chuẩn hóa

Đưa từng cột về trung bình 0 và độ lệch chuẩn 1, StandardScaler

StandardScaler

target encoding · mã hóa theo nhãn

Thay mỗi nhóm bằng tỉ lệ nhãn của nhóm đó, tính chéo để khỏi rò, TargetEncoder

Ordinal và Target

transformer · bộ biến đổi

Estimator có transform(), như bộ chuẩn hóa hay bộ mã hóa

StandardScaler

Tinh chỉnh và giải thích

Thuật ngữ

Giải nghĩa

Học ở bài

experiment log · nhật ký thí nghiệm

Bảng ghi mỗi lần thử: đổi gì, điểm bao nhiêu, quyết định gì

dự án (1/5)

grid search · tìm theo lưới

Thử mọi tổ hợp tham số trong một lưới bằng cross-validation, GridSearchCV

GridSearchCV

hyperparameter · siêu tham số

Thứ bạn đặt trước khi học, như max_depth; khác tham số model tự học ra

hyperparameter

nested cross-validation · kiểm định chéo lồng

Vòng ngoài chấm, vòng trong tìm tham số, để điểm báo cáo không lạc quan

nested CV

permutation importance · độ quan trọng hoán vị

Xáo một cột rồi đo điểm tụt bao nhiêu, permutation_importance()

permutation importance

random search · tìm ngẫu nhiên

Thử một số tổ hợp rút ngẫu nhiên, RandomizedSearchCV

RandomizedSearchCV

SHAP

Chia dự đoán của một dòng thành phần đóng góp của từng feature

SHAP

Shapley value · giá trị Shapley

Phần công của một người chơi, tính trung bình qua mọi thứ tự vào nhóm

giá trị Shapley

Mạng nơ-ron

Thuật ngữ

Giải nghĩa

Học ở bài

activation function · hàm kích hoạt

Hàm phi tuyến áp sau mỗi lớp, như ReLU, để mạng học được đường cong

MLPClassifier

deep learning · học sâu

Mạng nơ-ron nhiều lớp, mạnh với ảnh, âm thanh, văn bản

AI, ML và deep learning

epoch

Một lượt đi qua toàn bộ dữ liệu học

MLPClassifier

hidden layer · lớp ẩn

Lớp nơ-ron nằm giữa đầu vào và đầu ra, hidden_layer_sizes=

MLPClassifier

multilayer perceptron (MLP) · mạng nơ-ron nhiều lớp

Mạng các lớp nối đầy đủ, MLPClassifier

MLPClassifier

neural network · mạng nơ-ron

Model ghép nhiều phép nhân trọng số và hàm kích hoạt, học bằng gradient descent

MLPClassifier

Câu hỏi thường gặp

Nên nói "feature" hay "đặc trưng" khi viết báo cáo?

Tùy người đọc. Báo cáo cho đội kỹ thuật cứ dùng feature, label, recall như tên trong code; báo cáo cho người kinh doanh nên dùng lời thường ("các cột dùng để đoán", "tỉ lệ khách rời bỏ được bắt") và chỉ thêm từ tiếng Anh trong ngoặc ở lần đầu. Dự án báo cáo kết quả có một báo cáo viết theo cách đó.

Có từ điển machine learning nào để tra nhanh tên hàm không?

Trang này xếp theo khái niệm. Muốn tra theo việc cần làm và có kết quả chạy thật của từng dòng, dùng cheat sheet scikit-learn; muốn chọn thước đo, dùng bảng tra metric.

Precision và recall dịch là gì cho đúng?

Chưa có cách dịch được dùng thống nhất, nên tutorial giữ nguyên hai từ. Nhớ theo câu hỏi mỗi từ trả lời: precision hỏi "báo dương thì đúng bao nhiêu", recall hỏi "dương thật thì bắt được bao nhiêu". Bài precision, recall, F1 có ví dụ chạy được cho cả hai.

Chủ đề

thuật ngữ machine learning

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập