قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
التحقق المتقاطع خارج الطية
تقنية خاصة بالتكديس (stacking) حيث يتم إنشاء تنبؤات خارج الطية لتجنب تسرب البيانات أثناء تدريب النموذج الفوقي (meta-model).
متعلمو المستوى 0
المستوى الأول من النماذج في بنية التكديس، ويتكون من خوارزميات متنوعة مدربة على البيانات الأصلية.
متعلم المستوى 1
المتعلم الفوقي (meta-learner) في المستوى الأول من التكديس الذي يأخذ تنبؤات متعلمي المستوى 0 كمدخلات لإنتاج التنبؤ النهائي.
التكديس المرجح
نهج يتعلم فيه النموذج الفوقي أوزانًا مثالية للجمع الخطي بين تنبؤات النماذج الأساسية.
التنبؤات الأساسية
مخرجات نماذج المستوى 0 التي تعمل كميزات للنموذج الفوقي في بنية التكديس.
التكديس الهرمي
امتداد متعدد المستويات للتكديس حيث يتم تكديس طبقات متعددة من النماذج الفوقية لتحسين تدريجي للتنبؤات.
التكديس الديناميكي
متغير تكيفي حيث يختار النموذج الفوقي ديناميكيًا أفضل النماذج الأساسية وفقًا لخصائص كل ملاحظة.
التكديس مع الميزات الأصلية
نهج يوسع الميزات الفوقية (meta-features) بالمتغيرات الأصلية لإثراء المعلومات المتاحة للنموذج الفوقي.
التجميع خارج الحقيبة
تقنية تستخدم التنبؤات خارج الحقيبة (out-of-bag predictions) من النماذج القائمة على التمهيد (bootstrap) (مثل الغابات العشوائية) لتدريب النموذج الفوقي (meta-model) دون الحاجة إلى التحقق المتقاطع الصريح.
التجميع متعدد الأهداف
تطبيق التجميع (stacking) على مشاكل المخرجات المتعددة (multi-output) حيث يتم تدريب نماذج فوقية متخصصة لكل هدف تنبؤ.
التجميع الزمني
تكييف التجميع (stacking) لسلاسل الزمن مع احترام قيد الزمنية في توليد التنبؤات خارج الطية (out-of-fold predictions).