قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
متوسط النماذج البايزي (BMA)
نهج إحصائي يجمع تنبؤات نماذج متعددة عن طريق ترجيحها وفقًا لاحتمالاتها اللاحقة، مما يسمح بأخذ عدم اليقين في النموذج في الاعتبار في التنبؤات النهائية.
احتمالية النموذج اللاحقة
احتمالية أن يكون النموذج هو النموذج الحقيقي المولد للبيانات بعد ملاحظة البيانات، ويتم حسابها عبر نظرية بايز من خلال الجمع بين الاحتمالية والاحتمالية المسبقة للنموذج.
دليل النموذج
الاحتمالية الهامشية للبيانات تحت نموذج محدد، يتم الحصول عليها عن طريق التكامل على جميع معلمات النموذج، وتستخدم لمقارنة النماذج المختلفة في إطار بايزي.
نافذة أوكام
تقنية اختيار النماذج في متوسط النماذج البايزي (BMA) تستبعد النماذج المعقدة جدًا مقارنة بالبيانات المرصودة، وتحتفظ فقط بالنماذج ضمن نافذة معقولة من التعقيد.
اختيار النموذج البايزي
عملية الاختيار بين النماذج المتنافسة بناءً على احتمالاتها اللاحقة، وتدمج تلقائيًا عقوبة تعقيد النموذج عبر مبدأ أوكام.
احتمالية النموذج المسبقة
الاحتمالية المخصصة لنموذج قبل ملاحظة البيانات، تعكس المعتقدات المسبقة حول الاحتمالية النسبية للنماذج المرشحة المختلفة.
التوزيع التنبؤي
توزيع الاحتمالية للملاحظات المستقبلية الذي يدمج عدم اليقين في المعلمات والنماذج، ويتم الحصول عليه عن طريق متوسط مرجح للتوزيعات التنبؤية لكل نموذج.
التجميع البايزي
طريقة لتجميع النماذج تستخدم المبادئ البايزية لدمج تنبؤات نماذج متعددة في تنبؤ نهائي واحد مرجح بمصداقيتها.
تنبؤ المتوسط المرجح
التنبؤ النهائي الذي يتم الحصول عليه عن طريق حساب متوسط التنبؤات الفردية للنماذج، مرجحة باحتمالاتها الخلفية ضمن إطار عمل متوسط النماذج البايزي (BMA).
معيار المعلومات البايزي (BIC)
معيار اختيار النموذج الذي يقرب الاحتمال الخلفي للنموذج، ويعاقب تعقيد النموذج لتجنب التجاوز في الأساليب البايزية.
عملية ديريكليه
عملية عشوائية تستخدم في النماذج البايزية غير البارامترية، مما يسمح بعدد لا نهائي من المكونات في الخلطات ويسهل متوسط النماذج.
النموذج البايزي الهرمي
هيكل نموذجي حيث تكون للمعلمات نفسها توزيعات مسبقة مع معلمات فائقة خاصة بها، مما يسمح بمشاركة المعلومات بين النماذج المتشابهة في متوسط النماذج البايزي (BMA).
تركيب نموذج مونت كارلو بسلسلة ماركوف (MC3)
خوارزمية أخذ عينات تستكشف مساحة النماذج لتقدير الاحتمالات الخلفية للنماذج في مشاكل اختيار النماذج ومتوسطها.
قفزة عكسية مونت كارلو بسلسلة ماركوف (MCMC)
امتداد لخوارزمية MCMC يسمح بالانتقال بين مساحات المعلمات ذات الأبعاد المختلفة، وهو ضروري للاستدلال البايزي على نماذج ذات تعقيد متغير.
عامل بايز
نسبة الأدلة لنموذجين متنافسين، تحدد الدعم الذي تقدمه البيانات لصالح نموذج مقارنة بآخر في الإطار البايزي.
التوزيع الخلفي التنبؤي
التوزيع التنبؤي للملاحظات المستقبلية الذي يدمج عدم اليقين في المعلمات والنماذج، وهو حجر الزاوية في متوسط النماذج البايزي (BMA) لعمل تنبؤات قوية.
فضاء النموذج
مجموعة جميع النماذج المرشحة التي تم النظر فيها في تحليل BMA، والتي يمكن أن تكون محدودة أو غير محدودة اعتمادًا على سياق المشكلة وقيودها.
توزيع سبايك آند سلاب المسبق
توزيع مسبق مختلط لمعاملات الانحدار، يجمع بين كتلة نقطية عند الصفر (سبايك) وتوزيع مستمر (سلاب)، مما يسهل اختيار المتغيرات في BMA.
توليف النماذج البايزي
امتداد لـ BMA حيث يتم التعامل مع أوزان توليف النماذج نفسها كمعلمات عشوائية ذات توزيعات مسبقة، مما يسمح باستدلال أكثر مرونة على التجميع.