Sự khác biệt giữa mẫu và trường hợp trong học máy và thống kê?

Question

Tôi thấy rằng trong câu hỏi này và API này của Keras, một mẫu có nghĩa là một trường hợp thống kê vì tài liệu của API đó nói rằng:

Mảng trọng lượng Numpy tùy chọn cho các mẫu thử nghiệm, được sử dụng để tính trọng số cho hàm mất mát. Bạn có thể chuyển một mảng Numpy phẳng (1D) có cùng độ dài với các mẫu đầu vào (ánh xạ 1: 1 giữa trọng số và mẫu) hoặc trong trường hợp dữ liệu tạm thời, bạn có thể truyền một mảng 2D có hình dạng (mẫu, chuỗi_mức ), để áp dụng một trọng lượng khác nhau cho mọi bước thời gian của mọi mẫu. Đối số này không được hỗ trợ khi x là tập dữ liệu, thay vào đó hãy chuyển trọng số mẫu làm phần tử thứ ba của x.

Theo tôi hiểu, mẫu ở đây rất phù hợp với mẫu trong câu hỏi đã đề cập ở trên, vậy câu hỏi của tôi là tại sao chúng ta lại tham khảo một mẫu trong máy học một trường hợp trong thống kê? Trong thống kê, một mẫu thỏa hiệp nhiều trường hợp và là một phần của dân số.

Answer 1

Tôi nghĩ rằng lời giải thích chính chỉ đơn giản là các truyền thống khác nhau. Họ bắt đầu khá ngẫu nhiên với các thuật ngữ khác nhau và họ chỉ tiếp tục. Tôi không nghĩ rằng có bất kỳ lời giải thích sâu sắc, triết học nào. Nhân tiện, thuật ngữ trong các ứng dụng thống kê và học máy cũng khác nhau giữa các lĩnh vực; một số (sinh học?) cũng có thể sử dụng mẫu thay vì mẫu cho các vấn đề thống kê, vì họ chỉ sao chép (các) thuật ngữ từ miền của họ.