数据分析、统计学及机器学习中常用的100个符号及其含义

α：学习率，或显著性水平

β：回归系数

γ：形状参数，或学习参数

δ：差值，或偏差

ε：误差项

ζ：zeta函数

η：学习率，或效率

θ：参数

κ：kappa统计量

λ：拉格朗日乘数，或泊松分布的参数

μ：均值

ν：自由度

ξ：随机变量

π：比率，或数学常量π

ρ：相关系数

σ：标准差

τ：时间，或Kendall's tau

φ：概率密度函数

χ：卡方

ψ：对数似然函数

ω：权重，或频率

x：特征，或输入

y：目标，或输出

z：标准化分数

A：集合，或矩阵

B：集合，或矩阵

C：常数，或惩罚参数

D：数据集，或差分

E：期望值

F：分布，或特征集

G：图，或组

H：假设，或熵

I：信息，或单位矩阵

J：目标函数

K：核，或聚类数

L：似然，或损失函数

M：模型，或矩阵

N：样本数量

O：复杂度，或大O符号

P：概率

Q：期望步骤，或队列

R：半径，或相关性

S：样本空间，或和

T：时间，或转置

U：效用，或集合

V：方差，或向量空间

W：权重，或矩阵

X：随机变量，或数据

Y：随机变量，或数据

Z：标准正态分布，或随机变量

a：向量，或系数

b：向量，或系数

c：常数，或系数

d：维度，或距离

e：误差，或自然对数的底

f：函数

g：函数

h：函数，或假设

i：索引，或虚数单位

j：索引

k：索引，或聚类数

l：长度，或损失函数

m：斜率，或样本数量

n：样本数量

o：小o符号

p：概率，或参数

q：概率，或参数

r：相关系数，或半径

s：标准差，或和

t：时间，或统计量

u：向量，或随机变量

v：向量，或随机变量

w：权重，或宽度

x：输入，或特征

y：输出，或目标

z：标准化值

0：零向量

1：一向量

∆：差分，或变化

∑：求和符号

∏：乘积符号

∂：偏导数

∞：无穷

∈：属于

∉：不属于

∅：空集

∪：并集

∩：交集

⊆：子集

⊂：真子集

⊃：超集

⊇：超集或等于

⊕：异或，或直和

→：映射，或向

←：指向

↔：映射到

≠：不等于

≈：约等于

≤：小于或等于

≥：大于或等于

    最后，值得一提的，不同的文献、课程或研究者可能会采用不同的符号来表示相同的概念，所以解释符号的具体含义可能会因上下文而变化。