词汇表

欠拟合是机器学习中的一种情况，在这种情形中，模型过于简单，无法捕获数据中的潜在模式。当模型无法学习输入特征与目标输出之间的关系时，就会发生这种情况，从而导致训练数据和看不见的数据（测试数据）的性能不佳。欠拟合通常会导致高偏差和低方差，从而使模型无法推广到新数据。

不确定性是指结果、事件或数据缺乏确定性或可预测性。在决策、经济学、科学和机器学习等各个领域，不确定性反映了无法完全准确或自信地了解某件事情。它源于信息不完整、固有的随机性或系统的复杂性等因素，通常需要谨慎的管理才能做出明智的决策。

无监督学习是一种机器学习，其中算法是在未标记的数据上训练的，这意味着数据没有预定义的标签或类别。无监督学习的目标是在没有明确指导的情况下识别数据中的模式、结构或关系。这种方法通常用于聚类、降维和异常检测等任务，在这些任务中，事先不知道数据的底层结构。

非结构化数据是指没有预定义数据模型或未以系统方式组织的信息。与通常以行和列形式存储在数据库中的结构化数据不同，非结构化数据采用各种格式，例如文本、图像、音频、视频和社交媒体帖子。这类数据通常更难分析，因为它缺乏一致的格式或结构，从而降低了传统数据处理技术的效率。