subjective bias中文是什么意思

• 主观偏误

• subjective    adj. 【哲学】主观的 (opp. objective ...
• bias    vt. (biased, biasing 〔英国〕 bi ...
• subjective    adj. 【哲学】主观的 (opp. objective ); 【语法】主格的。 n. 【语法】主格。 adv. -ly
• bias    n. 1.成见，先入之见，偏执，偏见 (opp. Impartiality ); 倾向，嗜好；癖 (towards)。 2.(衣服等上面缝的)斜线，斜痕；【无线电】偏，偏压；偏置。 3.【体育】使球斜进的偏力；(球的)歪圆形；不按直线前进的倾向；【电学】偏压；【统计学】倾向统计值；【生物学】偏倚。 a racial bias种族偏见。 A strong musical bias 对音乐的强烈爱好。 Copper bias 【电学】正偏压。 Zinc bias 【电学】负偏压。 Cut on the bias 斜裁，斜切。 Be free from bias 丝毫不受偏见左右。 Be under a bias in favor of [against] 对…有偏爱[偏见]。 Have a bias to [towards] 对…有偏心。 Without bias and without favour 不偏不倚地，公公平平地。 adj. 斜的；【电学】偏动的。 Bias bands 斜带。 adv. 斜，偏。 Cut material bias 斜切料，斜开料，斜裁。 vt. (biased, biasing 〔英国〕 biassed, biassing) 1.使有偏见，使偏重，使偏向一方。 2.【电学】加偏压于。 be bias(s)ed against 对…抱有偏见。 Bias … into 【电学】加偏压使进入…。 My ignorance biased me against my teacher. 我由于无知而对老师抱有偏见。 adj. -ed 有偏见的。
• bias in    内对角接触
• no bias    无偏压; 无偏置
• s subjective classification    主体分类
• subjective acoustics    主观声学
• subjective angle    主观性视角
• subjective antisepsis    自身抗菌
• subjective assessment    主观评价
• subjective assume    主观臆断
• subjective attribute    主观属性
• subjective brightness    舟亮度; 主观亮度; 主亮度
• subjective capital    虚拟资本
• subjective certitude    主观确定性
• subjective choice    主观选择
• subjective color    主观色
• subjective complement    主语补足语
• subjective concept    主观概念
• subjective condition    主观条件
• subjective conjugation    主语性变位
• subjective constancy    知觉恒常性
• subjective contour    主观轮廓
• subjective contradictions    主观矛盾

• Just because a statistic doesn ' t validate our subjective biases doesn ' t mean it is flawed
  一项数据不能完全客观体现球员的能力并不代表它就是毫无道理的。
• Comparing with non - bnyain methods , it ' s prominent featares lay in that it combines the prior and posterior information , which avoids the disadvantag of subjective bias caused by simply using the prior information only , of blind search caused by the incomplete sample information , of noise affection caused by simply using the sample information only if we choice a suitable priof , we can conduct the bayesian leaming effectively , so it fits the problems of data mining and machine leaming that possess charaters of probability and statistics , especially when the samples are rare
  与非贝叶扬方法相比，贝叶斯方法的特出特点是其学习机制可以综合先验信息和后验信息，既可避免只使用先验信息可能带来的主观偏见，和缺乏样本信息时的大量盲目搜索与计算，也可避免只使用样本信息带来的噪音的影响只要合理地确定先验，就可以进行有效的学习。因此，适用于具有概率统计特征的数据采掘和机器学习（或发现）问题，尤其是样本难得的问题