概念词汇表：P¶

本页整理拼音首字母为 P 的中文概念词条。词条正文由单词源文件 include 生成。

主成分分析(PCA)¶

• 含义: 主成分分析是一种降维方法，它会寻找数据方差较大的方向，并把这些方向作为彼此正交的新轴。
• 为什么重要: PCA 说明降维并不只是删除列，而是可以通过新轴重新表达数据，先保留大的变动结构，让高维数据更容易检查。
• 相关概念: 降维, 方差, 正交
• 核心 Section: P4-18.1
• 出现 Section:

排序¶

• 含义：排序是按照分数或优先级把多个候选排成先后顺序的问题类型。它不一定是直接选出一个正确答案，而是决定“先展示什么、先检查什么”的相对顺序。
• 为什么重要：搜索结果、推荐列表、候选文档和复核队列这类问题，常常更关心前几个候选是否足够有用，而不是每个候选的绝对分数。理解排序，才能把“分数本身有多大”和“候选之间谁排在前面”分开阅读。
• 相关概念：推荐，搜索，分数，复核候选队列
• 核心 Section：P1-13.2
• 出现 Section：P1-1.2, P3-9.8, P3-9.13, P4-6.4

模型评估设计(evaluation design)¶

• 含义：模型评估设计是决定用什么数据切分、什么指标、什么比较条件来评价模型或规则。它不只是计算一个分数，而是先为当前问题结构选择合适的测试条件。
• 为什么重要：同一个模型，在需要时间顺序切分、分组切分、排序指标或回归指标时，评价方式会很不一样。如果评估设计和问题结构不匹配，再高的分数也可能无法说明真实运行表现。
• 相关概念：时间顺序切分，分组切分，数据泄漏，排序
• 核心 Section：P3-9.13
• 出现 Section：P3-9.13

偏导数(partial derivative)¶

• 含义：多变量函数在固定其他变量时，对其中一个变量求出的导数。
• 为什么重要：它是理解梯度、反向传播以及每个参数怎样影响损失变化的基础。
• 相关概念：可结合本页相邻词条和正文中的相关 Section 一起阅读。
• 中心 Section：P2-4.3
• 出现 Section：P2-4.4, P2-4.5, P2-6.3