Thuật ngữ machine learning Việt–Anh có ví dụ
Bài 6/9 · Chương 14
Trang phụ trợ
- 17 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 15
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 ( | |
classification · phân loại | Bài toán đoán một nhóm, như hội viên có rời bỏ hay không | |
clustering · phân cụm | Gom hội viên thành nhóm theo hành vi khi bảng không có cột nhãn để học theo | |
estimator | Đối tượng của scikit-learn có | |
feature · feature (đặc trưng) | Một cột dùng để đoán, như diện tích căn nhà; cả bảng feature thường gọi là | |
fit · fit (học) | Cho model nhìn dữ liệu để tìm tham số, | |
label, target · label (nhãn) | Cột cần đoán, như giá nhà hay cột rời bỏ; thường gọi là | |
machine learning · học máy | Cách để máy rút ra luật từ dữ liệu thay cho người viết luật bằng tay | |
model · model (mô hình) | Thứ học được từ dữ liệu, nhận feature của một dòng và trả ra dự đoán | |
prediction · dự đoán | Giá trị model trả ra cho một dòng, | |
regression · hồi quy | Bài toán đoán một con số, như thời gian giao một đơn | |
sample · mẫu, dòng | Một dòng của bảng dữ liệu; scikit-learn gọi số dòng là | |
supervised learning · học có giám sát | Mỗi dòng của bảng học đã kèm đáp án; hồi quy và phân loại thuộc loại này | |
unsupervised learning · học không giám sát | Học từ bảng không có label, như phân cụm và giảm chiều |
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 | |
cross-validation · kiểm định chéo | Chia dữ liệu thành k phần, lần lượt giữ một phần để chấm; | |
data leakage · rò rỉ dữ liệu | Thông tin model không thể có lúc dùng thật lọt vào lúc học, làm điểm cao ảo | |
fold · fold (phần) | Một trong k phần của cross-validation: lần lượt mỗi phần làm phần chấm, k − 1 phần kia để học | |
holdout · phần giữ lại | Dữ liệu cất riêng không dùng khi học, chỉ để chấm | |
learning curve · đường học | Điểm train và điểm kiểm theo số dòng học, | |
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 | |
random_state · hạt giống | Số cố định cách xáo hay khởi tạo ngẫu nhiên, để chạy lại ra cùng kết quả | |
stratified split · chia giữ tỉ lệ lớp | Chia sao cho tỉ lệ các lớp ở mỗi phần như cả bảng; | |
target leakage · rò nhãn | Một feature được ghi sau khi label đã xảy ra, nên chứa sẵn đáp án | |
test set · tập test | Phần hội viên tách ra trước mọi lựa chọn và chỉ chấm đúng một lần, khi model đã chốt | |
train set · tập train | Các dòng đưa vào | |
underfitting · chưa khớp | Model quá đơn giản, sai nhiều ngay trên dữ liệu đã học | |
validation set · tập validation | Phần dùng để chọn model, chọn cột, chọn tham số trước khi chạm tới test |
Metric
Thuật ngữ | Giải nghĩa | Học ở bài |
|---|---|---|
accuracy · độ chính xác | Số dòng đoán trúng chia tổng số dòng, | |
average precision (PR-AUC) · diện tích dưới đường PR | Tóm đường precision–recall thành một số, | |
Brier score · điểm Brier | Trung bình bình phương độ lệch giữa xác suất đoán và nhãn 0/1, | |
calibration · hiệu chỉnh xác suất | Làm xác suất model nói khớp tỉ lệ thật: nói 0,3 thì khoảng 30% là dương | |
confusion matrix · ma trận nhầm lẫn | Bảng đếm bốn ô TP, FP, FN, TN, | |
F1-score · F1 | Gộp precision và recall thành một số, kéo về phía số nhỏ hơn, | |
false negative (FN) · âm tính giả | Dòng dương mà model bỏ sót | |
false positive (FP) · dương tính giả | Dòng âm mà model báo nhầm là dương | |
log-loss | Phạt xác suất đoán sai, phạt nặng khi đoán chắc mà sai, | |
MAE · sai số tuyệt đối trung bình | Trung bình độ lệch giữa giá trị đoán và giá trị thật, cùng đơn vị với label | |
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 | |
metric · thước đo | Con số chấm model, chọn theo bài toán trước khi viết code | |
positive class · lớp dương | Lớp bạn quan tâm bắt, thường ghi là 1, như khách rời bỏ | |
precision | Trong các dòng model báo dương, bao nhiêu phần đúng là dương | |
R² · hệ số xác định | 1 là đoán đúng hết, 0 là bằng đoán trung bình của bảng được chấm, | |
recall | Trong các dòng dương thật, model bắt được bao nhiêu phần | |
RMSE · căn sai số bình phương trung bình | Căn của trung bình bình phương độ lệch; phạt nặng các lần đoán lệch xa | |
ROC-AUC · diện tích dưới đường ROC | Xác suất model xếp một dòng dương cao hơn một dòng âm; 0,5 là đoán bừa | |
scoring · tên metric | Chuỗi chọn metric cho cross-validation và tìm tham số, như | |
true positive (TP) · dương tính thật | Dòng dương model bắt đúng |
Hồi quy và tối ưu
Thuật ngữ | Giải nghĩa | Học ở bài |
|---|---|---|
coefficient · hệ số | Trọng số của một feature trong model tuyến tính, | |
ElasticNet | Phạt hệ số bằng cả hai kiểu L1 và L2 | |
gradient | Hướng mà loss tăng nhanh nhất theo tham số; đi ngược hướng này để loss giảm | |
gradient descent | Cập nhật tham số từng bước ngược chiều gradient cho tới khi loss gần đứng yên | |
intercept · hệ số chặn | Phần cộng thêm cố định của model tuyến tính, không gắn với cột nào, | |
Lasso | Hồi quy phạt tổng trị tuyệt đối hệ số (L1), đẩy hệ số của cột yếu về đúng 0 | |
learning rate · tốc độ học | Độ dài mỗi bước cập nhật; lớn quá thì loss nhảy, nhỏ quá thì học chậm | |
linear regression · hồi quy tuyến tính | Nhân mỗi feature với một hệ số, cộng lại, thêm hệ số chặn là ra dự đoán | |
loss function · hàm mất mát | Con số đo model sai bao nhiêu trên dữ liệu học; học là làm nó nhỏ đi | |
multicollinearity · đa cộng tuyến | Hai feature gần như nói cùng một điều, làm hệ số của chúng khó đọc | |
normal equation · phương trình chuẩn | Công thức tính thẳng hệ số của hồi quy tuyến tính bằng đại số ma trận | |
polynomial features · feature đa thức | Thêm cột bình phương và tích từng cặp cột ( | |
regularization · điều chuẩn | Thêm khoản phạt hệ số lớn vào loss để model bớt bám nhiễu | |
residual · phần dư | Giá trị thật trừ giá trị đoán của một dòng | |
Ridge | Hồi quy phạt tổng bình phương hệ số (L2), co mọi hệ số nhỏ lại | |
VIF · hệ số phóng đại phương sai | Đo một feature bị các feature khác giải thích tới mức nào |
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 | |
class weight · trọng số lớp | Cho lỗi trên lớp hiếm nặng hơn khi học, | |
decision boundary · ranh giới quyết định | Nơi dự đoán của model đổi từ lớp này sang lớp khác khi feature thay đổi | |
decision threshold · ngưỡng quyết định | Mốc so với xác suất để đổi ra nhãn 0/1; | |
kernel | Cách SVM đo độ giống giữa hai dòng, như | |
KNN · k hàng xóm gần nhất | Đoán theo k dòng gần nhất trong dữ liệu học, | |
logistic regression · hồi quy logistic | Model phân loại tuyến tính trả xác suất qua hàm sigmoid, | |
log-odds, logit · log-odds | Log của odds; model logistic là tuyến tính trên thang này | |
margin · lề | Khoảng cách từ ranh giới tới các điểm gần nhất mà SVM cố làm rộng | |
Naive Bayes | Phân loại bằng công thức Bayes, giả định các feature độc lập khi biết lớp | |
odds | Tỉ số p / (1 − p), như 0,25 / 0,75 = 1/3 | |
oversampling · tăng mẫu | Nhân thêm dòng của lớp hiếm trong tập train; làm trước khi chia là rò dữ liệu | |
predict_proba · xác suất dự đoán | Cột xác suất từng lớp mà model phân loại trả ra, | |
sigmoid · hàm sigmoid | Hàm nén mọi số thực vào khoảng 0 tới 1 | |
SMOTE | Tạo dòng mới cho lớp hiếm bằng cách nội suy giữa các dòng gần nhau (gói imbalanced-learn) | |
support vector · vector hỗ trợ | Các điểm nằm sát ranh giới, quyết định vị trí ranh giới của SVM | |
SVM · máy vector hỗ trợ | Phân loại bằng ranh giới có lề rộng nhất, | |
undersampling · giảm mẫu | Bỏ bớt dòng của lớp đông trong tập train |
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 | |
boosting | Học nối tiếp nhiều cây nhỏ, cây sau sửa phần sai của các cây trước | |
bootstrap sample · mẫu bootstrap | Mẫu rút có hoàn lại, cùng cỡ với bảng gốc | |
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, | |
early stopping · dừng sớm | Boosting thôi thêm vòng khi điểm trên phần validation tách riêng không tốt lên sau một số vòng liền | |
entropy | Độ hỗn loạn của nhãn trong một nút; nút chỉ một lớp có entropy 0 | |
feature importance · độ quan trọng của feature | Mức một feature góp vào dự đoán, như | |
Gini impurity · độ bất thuần Gini | Xác suất gán nhầm nhãn nếu gán ngẫu nhiên theo tỉ lệ lớp trong nút | |
histogram binning · chia bin | Gom giá trị của một cột vào vài trăm khoảng trước khi tìm chỗ chia, cách HGB chạy nhanh | |
information gain · độ lợi thông tin | Entropy giảm được sau một lần chia | |
leaf · lá | Nút cuối của cây, nơi trả ra dự đoán | |
LightGBM | Thư viện boosting nhanh, mọc cây theo lá, | |
out-of-bag (OOB) · ngoài túi | Các dòng không rơi vào mẫu bootstrap của một cây, dùng để chấm cây đó, | |
pruning · tỉa cây | Giới hạn độ sâu hay cỡ lá để cây bớt nhớ nhiễu, | |
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 | |
XGBoost | Thư viện boosting phổ biến, |
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, | |
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 | |
DBSCAN | Phân cụm theo mật độ, đánh dấu điểm lẻ loi là nhiễu (nhãn -1) | |
dendrogram · biểu đồ cây phân cụm | Hình cây cho thấy thứ tự các cụm được gộp trong 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 | |
explained variance ratio · tỉ lệ phương sai giải thích | Phần thông tin mỗi thành phần chính giữ lại, | |
hierarchical clustering · phân cụm phân cấp | Gộp dần các điểm gần nhau thành cụm lớn hơn, | |
inertia | Đo độ chặt của các cụm: cộng bình phương khoảng cách điểm–tâm, | |
K-Means | Chọn k tâm, xếp mỗi điểm vào tâm gần, tính lại tâm, làm tới khi tâm đứng yên, | |
noise point · điểm nhiễu | Điểm không thuộc cụm nào trong DBSCAN | |
PCA · phân tích thành phần chính | Xoay trục để dồn thông tin vào vài cột đầu, rồi bỏ các cột sau, | |
principal component · thành phần chính | Trục mới PCA dựng từ tổ hợp các cột cũ, | |
silhouette score · hệ số silhouette | Điểm từ −1 tới 1 đo các cụm có tách nhau rõ không, |
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, | |
column transformer · bộ xử lý theo cột | Áp mỗi kiểu tiền xử lý cho một nhóm cột, | |
feature engineering · tạo feature | Tạo cột mới từ hiểu biết nghiệp vụ, như tỉ lệ hay số ngày từ lần mua cuối | |
imputation · điền ô trống | Thay ô thiếu bằng trung vị hay giá trị khác, | |
interaction feature · feature tương tác | Tích của hai cột, để model tuyến tính thấy tác động chung của chúng | |
min-max scaling · chuẩn hóa min-max | Đưa cột về khoảng 0 tới 1, | |
missing indicator · cột báo thiếu | Thêm khi điền ô trống: mỗi dòng được ghi 1 nếu lúc đầu thiếu, 0 nếu không, | |
one-hot encoding · mã hóa one-hot | Đổi một cột nhóm thành nhiều cột 0/1, mỗi nhóm một cột, | |
ordinal encoding · mã hóa thứ bậc | Đổi mỗi nhóm thành một số nguyên, | |
pipeline | Nối các bước tiền xử lý với model thành một estimator, | |
preprocessing · tiền xử lý | Mọi bước biến bảng thô thành bảng số model nhận được | |
robust scaling · chuẩn hóa bền | Trừ trung vị, chia khoảng tứ phân vị, ít bị ngoại lai kéo, | |
serialization · lưu model | Ghi model đã học ra file để dùng lại, | |
standardization · chuẩn hóa | Đưa từng cột về trung bình 0 và độ lệch chuẩn 1, | |
target encoding · mã hóa theo nhãn | Thay mỗi nhóm bằng tỉ lệ nhãn của nhóm đó, tính chéo để khỏi rò, | |
transformer · bộ biến đổi | Estimator có |
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 | |
grid search · tìm theo lưới | Thử mọi tổ hợp tham số trong một lưới bằng cross-validation, | |
hyperparameter · siêu tham số | Thứ bạn đặt trước khi học, như | |
nested cross-validation · kiểm định chéo lồng | Vòng ngoài chấm, vòng trong tìm tham số, để điểm báo cáo không lạc quan | |
permutation importance · độ quan trọng hoán vị | Xáo một cột rồi đo điểm tụt bao nhiêu, | |
random search · tìm ngẫu nhiên | Thử một số tổ hợp rút ngẫu nhiên, | |
SHAP | Chia dự đoán của một dòng thành phần đóng góp của từng feature | |
Shapley value · giá trị Shapley | Phần công của một người chơi, tính trung bình qua mọi thứ tự vào nhóm |
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 | |
deep learning · học sâu | Mạng nơ-ron nhiều lớp, mạnh với ảnh, âm thanh, văn bản | |
epoch | Một lượt đi qua toàn bộ dữ liệu học | |
hidden layer · lớp ẩn | Lớp nơ-ron nằm giữa đầu vào và đầu ra, | |
multilayer perceptron (MLP) · mạng nơ-ron nhiều lớp | Mạng các lớp nối đầy đủ, | |
neural network · mạng nơ-ron | Model ghép nhiều phép nhân trọng số và hàm kích hoạt, học bằng gradient descent |
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
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
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.