1、baselines

baselines發(fā)音

英：　　美：

baselines中文意思翻譯

常見釋義：

n.基準線；做基底的線（baseline的復數(shù)）

baselines雙語使用場景

1、The survey will determine unspecified base points and baselines of the country's territorial waters around the islands.───此次調(diào)查將填補領海基點及海島周邊海域的基線等數(shù)據(jù)空白。

2、Builds baselines for performance tuning.───構(gòu)建性能調(diào)整的基線。

3、Baselines are also invaluable for planning, as you can correlate an anticipated or observed up-tick in usage to an expansion of resources.───基線對于制定計劃也非常有價值，可以根據(jù)基線和預計或觀察到的使用量決定增加多少資源。

4、A snapshot is really just a collection of baselines, one for each component in your workspace.───快照實際上就是基準的集合，工作區(qū)中的每個組件有一個基準。

5、You can track project performance over the project lifespan by saving project snapshots in up to 11 baselines .───您可以通過在基準（最多11個）中保存項目快照來跟蹤項目進行期間的項目性能情況。

6、Also note that the tracer uses a stack to maintain baselines, so it is possible to nest calls (carefully).───另外還要注意跟蹤程序使用了一個棧來保存基準，所以您可以（小心地）嵌套調(diào)用。

7、For taking baselines, focus on report generation.───對于建立基線，主要使用報告生成功能。

8、Manage baselines and releases.───管理基線和發(fā)布版本。

9、Of course, you can implement controls and locking to enforce your own labeling semantics, but UCM baselines solve these problems for you.───當然，你可以執(zhí)行控制并鎖定執(zhí)行你自己的標簽，但是UCM基線為你解決了這些問題。

baselines相似詞語短語

1、base-court meaning───基本法庭含義

2、baseplate lift───基板升降

3、no database selected───未選擇數(shù)據(jù)庫

4、base year───[計劃]基準年；基礎年度；基礎年齡

5、diabase def───輝綠巖定義

6、abasement define───貶低定義

7、polybasic base───多元堿基

8、caba baseball───卡巴棒球

9、crystallography open database───開放式結(jié)晶學數(shù)據(jù)庫

10、pedigree database───系譜數(shù)據(jù)庫

2、機器學習算法的baseline指的是什么呢？

將輸入數(shù)據(jù)（特征）與目標變量（或者標簽）之間關系建立模型的函數(shù)，是一個機器學習算法試圖學習的對象。當你對算法進行測試時，你總要找出一種方式來估量算法的表現(xiàn)。比如你想對給定英文文本做詞性標注，把每個單詞標為名詞、動詞、代詞等等，一個單詞在不同文本中會有不同的詞性（比如building）。你以此訓練了一個機器學習模型，算法的準確率是75%，但是你無法確定75%是否是一個滿意的結(jié)果，除非你將你的準確率與別的參照進行比較。在這里用于比較的就是著基線（baseline）?？偟膩碚f，你希望你的算法表現(xiàn)比基線更好。

基線（baseline）的正式定義是一種使用簡單的啟發(fā)式探索，統(tǒng)計規(guī)則，隨機規(guī)則或者該領域中先前常使用算法對已知問題及數(shù)據(jù)集進行預測的方法。這些預測將用來評估基線算法的表現(xiàn)（比如準確率），并且作為標準來對比評估其他機器學習算法的表現(xiàn)。它通常在在正式的工作之前進行，為后面的工作效果提供表現(xiàn)評估的支持。

有時選擇一個簡單的基線就足夠，比如上面的例子，基線可以是用每個單詞最常使用的詞性來標注它?；蛘呖梢葬槍@項任務的、現(xiàn)存的使用廣泛的算法作為基線?；€的選擇是由你的目標決定的。目標可以是超越基線，如果你的工作想提高準確率，或者可以是得到與基線相當?shù)慕Y(jié)果，但是在算法的其他方面實現(xiàn)改進（比如訓練時長、預測時間、內(nèi)存使用情況等等）。

比較典型的基線包括這些由sklearn支持的虛擬估計（scikit-learn's "dummy" estimators）：

用于分類問題的基線（Classification baselines）：

“stratified”: 考慮訓練集的類分布來生成預測 。

“most_frequent”: 總是預測訓練集中最頻繁出現(xiàn)的標簽。

“prior”:總是預測將優(yōu)先類（class prior）最大化的類。

“uniform”: 生成隨機均勻的預測。

“constant”: 總是預測由使用者提供的常數(shù)標簽。對評估非多數(shù)類很有用。

回歸的基線（Regression baselines）:

“median”: 總是預測訓練集的中值。

“quantile”: 總是預測訓練集的、由百分位參數(shù)提供的特定的分位數(shù)。

“constant”: 總是預測由使用者提供的常量。

最后，如果在你在機器學習的特定領域進行工作（比如推薦系統(tǒng)），為了展現(xiàn)你的方法做得更好，一般選取現(xiàn)有技術作為基線。例如你想要評測新的協(xié)同過濾算法，你也許會將它和矩陣分解作比較。