এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
বাইনারি শ্রেণীবিভাগ
দুটি সম্ভাব্য শ্রেণী সহ একটি লক্ষ্য ভেরিয়েবলের পূর্বাভাস, যা হ্যাঁ/না বা সত্য/মিথ্যা ধরনের সমস্যার জন্য ব্যবহৃত হয়।
মাল্টি-ক্লাস শ্রেণীবিভাগ
দ্বিমুখী শ্রেণীবিভাগের সম্প্রসারণ যেখানে মডেলটিকে তিন বা ততোধিক পারস্পরিক একচেটিয়া শ্রেণীর মধ্যে ভবিষ্যদ্বাণী করতে হবে।
লিনিয়ার রিগ্রেশন
একটি পরিসংখ্যানগত মডেল যা ইনপুট ভেরিয়েবল এবং একটি অবিচ্ছিন্ন টার্গেট ভেরিয়েবলের মধ্যে রৈখিক সম্পর্ক স্থাপন করে।
পলিনোমিয়াল রিগ্রেশন
একটি রিগ্রেশন ফর্ম যা বহুপদী পদ ব্যবহার করে চলকগুলির মধ্যে অরৈখিক সম্পর্ক মডেল করে।
সিদ্ধান্ত বৃক্ষ
সম্ভাব্য ফলাফলগুলি উপস্থাপন করতে একটি বৃক্ষ কাঠামো ব্যবহার করে পূর্বাভাসমূলক মডেল।
ফরেস্ট এলিয়েটিভস
সুনিশ্চিততা উন্নত করতে এবং ওভারফিটিং নিয়ন্ত্রণ করতে একাধিক সিদ্ধান্ত বৃক্ষ একত্রিত করে এমন একটি সমষ্টিগত পদ্ধতি।
সাপোর্ট ভেক্টর মেশিন (SVM)
একটি শ্রেণিবিন্যাস অ্যালগরিদম যা উচ্চ-মাত্রিক স্থানে শ্রেণিগুলোকে পৃথককারী সর্বোত্তম হাইপারপ্লেন খুঁজে বের করে।
সুপারভাইজড নিউরাল নেটওয়ার্ক
ডিপ লার্নিং আর্কিটেকচার যা লেবেলযুক্ত ডেটা দিয়ে প্রশিক্ষিত হয়ে শ্রেণিবদ্ধ উপস্থাপনা শেখে।
k-নিকটতম প্রতিবেশী (k-NN)
একটি সহজ অ্যালগরিদম যা নতুন পর্যবেক্ষণগুলিকে তার k নিকটতম প্রতিবেশীদের সংখ্যাগরিষ্ঠ শ্রেণীর ভিত্তিতে শ্রেণীবদ্ধ করে।
Naïve Bayes
বেইজের উপপাদ্যের উপর ভিত্তি করে একটি সম্ভাব্য শ্রেণীবিভাজক, যেখানে বৈশিষ্ট্যগুলির মধ্যে স্বাধীনতার অনুমান করা হয়।
গ্রেডিয়েন্ট বুস্টিং
একটি সমন্বিত কৌশল যা পূর্ববর্তী মডেলগুলোর ত্রুটি সংশোধন করে ক্রমান্বয়ে মডেল তৈরি করে।
লজিস্টিক রিগ্রেশন
বাইনারি শ্রেণীবিভাগের ফলাফলের সম্ভাবনা ভবিষ্যদ্বাণী করতে ব্যবহৃত রিগ্রেশন মডেল।
নিয়মিতকরণ পদ্ধতি
জটিল মডেল সহগগুলিকে জরিমানা করে অত্যধিক ফিটিং প্রতিরোধের কৌশল (L1, L2, ইলাস্টিক নেট)।
ক্রস-ভ্যালিডেশন
মডেলের কর্মক্ষমতা অনুমান করার জন্য ডেটার একাধিক পার্টিশন ব্যবহার করে একটি শক্তিশালী মূল্যায়ন কৌশল।
সুপারভাইজড ফিচার ইঞ্জিনিয়ারিং
সুপারভাইজড মডেলের জন্য বিশেষভাবে সর্বোত্তম বৈশিষ্ট্য তৈরি ও নির্বাচনের প্রক্রিয়া।