Superskriptien käyttö, kuten olet sanonut, mielestäni ei ole kovin yleistä koneoppimisessa kirjallisuudessa. Minun on tarkistettava Ng: n kurssimerkinnät vahvistaakseni, mutta jos hän käyttää tätä käyttöä, sanoisin, että hän olisi peräisin tämän merkinnän lisääntymisestä. Tämä on mahdollisuus. Joko niin, ei olla liian epäystävällinen, mutta en usko, että monet verkkokurssin opiskelijoista julkaisevat koneoppimista koskevaa kirjallisuutta, joten tämä merkintä ei ole kovin yleinen varsinaisessa kirjallisuudessa. Loppujen lopuksi nämä ovat koneoppimisen perehdyttäviä kursseja, ei tohtorin tason kursseja.
Superskripteillä on hyvin yleistä merkitä superskriptejä käyttävän algoritmin iterointia. Voit esimerkiksi kirjoittaa iteroinnin Newtonin menetelmästä seuraavasti:
$ \ theta ^ {(t + 1)} = \ theta ^ {(t)} - H (\ theta ^ {(t)} ) ^ {- 1} \ nabla \ theta ^ {(t)} $
missä $ H (\ theta ^ {(t)}) $ on hessiläinen ja $ \ nabla \ theta ^ {( t)} $ on kaltevuus.
(... kyllä, tämä ei ole aivan paras tapa toteuttaa Newtonin menetelmä Hessin-matriisin käänteisen vuoksi ...)
Täällä $ \ theta ^ {( t)} $ edustaa $ \ theta $ -arvoa $ t ^ {th} $ -toistossa. Tämä on yleisin (mutta varmasti ei vain) superskriptien käyttö, josta olen tietoinen.
MUOKKAA: Selvennykseksi näytti siltä, että alkuperäisessä kysymyksessä ehdotettiin, että ML-merkinnässä $ x ^ {(i)} $ vastasi tilastoa $ x_i $ merkinnät. Vastauksessani totean, että tämä ei ole todella yleistä ML-kirjallisuudessa. Tämä on totta. Kuten @amoeba huomautti, ML-kirjallisuudessa on kuitenkin runsaasti yläindeksiä, mutta näissä tapauksissa $ x ^ {(i)} $ ei tarkoita tyypillisesti yksittäisen vektori $ x $.