时时刻刻保持一颗不断学习的心，要做一个有心人！
人工智能行业涉及到的英文缩写颇多，现总结如下。会不断保持更新，敬请各位小伙伴们关注~谢谢大家！
前方高能！！！
人工智能常用英文缩写
一、科普篇：
NLP：Natural Language Processing，自然语言处理；
CV：Computer Vision，计算机视觉；
BI：Business Intelligence，商业智能；
RS：Recommender Systems，推荐系统；
KDD：Knowledge Discovery in Database，知识发现；
CVPR：Computer Vision and Pattern Recognition，计算机视觉与模式识别大会；
ILSVRC：ImageNet Large Scale Visual Recongition Challenge，大规模图像识别大赛；
二、机器学习篇：
TP：True Positive，真正类；
FN：False Negative，假反类；
FP：False Positive，假正类；
TN：True Negative，真反类；
AUC：Area Under Curve，曲线下面积；
ROC：Receiver Operating Characteristic，受试者工作特征曲线；
ROI：Region Of Interest，感兴趣区域；
MAE：Mean Absolute Error，平均绝对误差；
MSE：Mean Square Error，均方误差；
RMSE：Root Mean Square Error，均方根误差；
MLE：Maximum Likelihood Estimation，最大似然估计；
MAP：Maximum A Posterior Estimation，最大后验估计；
SSR：Sum of Squares for Regression，回归平方和；
SSE：Sum of Squares for Error，残差平方和；
SST：Sum of Squares for Total，总偏差平方和（SST = SSR + SSE）；
CART：Classification And Regression Tree，分类回归树算法；
PCA：Principal Component Analysis，主成分分析（一种常用的无监督学习方法，属于降维方法）；
SVM：Support Vector Machine，支持向量机（一种二分类模型）；
TF-IDF：Term Frequency-Inverse Document Frequency，词频-逆向文档频率；
LFM：Latent Factor Model，隐语义模型；
LSA：Latent Semantic Analysis，潜在语义分析（一种无监督学习方法）；
PLSA：Probabilistic Latent Semantic Analysis，概率潜在语义分析模型（一种无监督学习方法）；
LDA：Latent Dirichlet Allocation，潜在狄利克雷分配（一种文档主题生成模型），Linear Discriminant Analysis，线性判别分析；
QDA：Quadratic Discriminant Analysis，二次判别分析；
LE：Laplacian Eigenmaps，拉普拉斯特征映射；
LLE：Locally Linear Embedding，局部线性嵌入；
VSM：Vector Space Model，向量空间模型；
KNN：K-Nearest Neighbor，K最近邻分类算法；
ANN：Approximate Nearest Neighbor，近似最近邻算法；
MRF：Markov Random Field，马尔可夫随机场；
HMM：Hidden Markov Model，隐马尔可夫模型（一种生成模型）；
EM：Expectation Maximization algorithm，期望极大算法，简称EM算法；
GEM：Generalized Expectation Maximization algorithm，广义期望极大算法；
SMO：Sequential Minimal Optimization，序列最小最优化算法；
CRF：Conditional Random Field，条件随机场；
三、神经网络篇：
MLP：MultiLayer Perceptron，多层感知机；
FNN：Feedforward Neural Network，前馈神经网络；
CNN：Convolutional Neural Network，卷积神经网络；
RNN：Recurrent Neural Network，循环神经网络；
LSTM：Long Short Term Memory，长短期记忆网络；
GRU：Gated Recurrent Unit，门控循环单元；
四、推荐系统篇：
LR：Linear Regression（线性回归，解决监督学习中的回归问题），Logistic Regression（逻辑回归，解决监督学习中的分类问题）；
GBDT：Gradient Boosting Decision Tree，梯度提升树；
MART：Multiple Additive Regression Tree，多重累计回归树（相当于GBDT）；
ALS：Alternating Least Squares，交替最小二乘法；
BGD：Batch Gradient Descent，批量梯度下降；
SGD：Stochastic Gradient Descent，随机梯度下降；
MBGD：Mini-Batch Gradient Descent，小批量梯度下降；
MCMC：Markov Chain Monte Carlo，马尔可夫链蒙特卡罗法；
EVD：Eigen Value Decmoposition，特征值分解；
SVD：Singular Value Decomposition，奇异值分解；
MF：Matrix Factorization，矩阵分解；
NMF：Non-negative Matrix Factorization，非负矩阵分解；
FM：Factorization Machine，因子分解机；
五、计算机视觉篇：
CNN：Convolutional Neural Network，卷积神经网络；
FCN：Fully Convolutional Network，全卷积网络；
GAN：Generative Adversarial Nets，生成式对抗网络；
DQN：Deep Q-Network，深度Q网络（基于Q学习的强化学习算法）；
