এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
র্যান্ডম ফরেস্ট
একটি এনসেম্বল পদ্ধতি যা ভবিষ্যদ্বাণীমূলক নির্ভুলতা উন্নত করতে এবং ওভারফিটিং কমাতে ডেটার উপসেটে প্রশিক্ষিত একাধিক সিদ্ধান্ত গাছকে একত্রিত করে।
ব্যাগিং
বুটস্ট্র্যাপ অ্যাগ্রিগেটিং কৌশল যেখানে একাধিক মডেল বিভিন্ন বুটস্ট্র্যাপ নমুনায় প্রশিক্ষিত হয় এবং তাদের ভবিষ্যদ্বাণীগুলি সংখ্যাগরিষ্ঠ ভোট দ্বারা একত্রিত হয়।
সিদ্ধান্ত গাছ
ভবিষ্যদ্বাণীমূলক মডেল যা চূড়ান্ত ভবিষ্যদ্বাণীতে পৌঁছানোর জন্য ডেটার বৈশিষ্ট্যের উপর ভিত্তি করে সিদ্ধান্তের একটি গাছের মতো কাঠামো তৈরি করে।
আউট-অফ-ব্যাগ
একটি নির্দিষ্ট গাছের জন্য বুটস্ট্র্যাপের সময় নির্বাচন না করা নমুনা, যা সাধারণীকরণ ত্রুটি অনুমান করার জন্য অভ্যন্তরীণ বৈধতা সেট হিসাবে ব্যবহৃত হয়।
বৈশিষ্ট্য স্যাম্পলিং
প্রতিটি নোড বিভাজনে বৈশিষ্ট্যগুলির একটি উপসেটের এলোমেলো নির্বাচন, যা বনের গাছগুলির মধ্যে বৈচিত্র্য বাড়ায়।
সংখ্যাগরিষ্ঠ ভোট
একত্রীকরণের একটি পদ্ধতি যেখানে শ্রেণীবিভাগ সমস্যার জন্য সমস্ত গাছের মধ্যে সর্বাধিক ভোট প্রাপ্ত শ্রেণীটি ভবিষ্যদ্বাণী করা শ্রেণী হিসেবে নির্বাচিত হয়।
ভবিষ্যদ্বাণীর গড়
রিগ্রেশনের জন্য একত্রীকরণ কৌশল যেখানে চূড়ান্ত ভবিষ্যদ্বাণী করা মানটি বনের সমস্ত গাছের ভবিষ্যদ্বাণীর গড়।
টার্মিনাল নোড
সিদ্ধান্ত গাছের পাত যেখানে আর কোন বিভাজন করা হয় না, এবং এই বিন্দুতে পৌঁছানো নমুনাগুলির জন্য চূড়ান্ত ভবিষ্যদ্বাণী ধারণ করে।
স্প্লিট মানদণ্ড
নোড বিভাজনের গুণমান মূল্যায়নের জন্য ব্যবহৃত মেট্রিক, যেমন শ্রেণীবিভাগের জন্য জিনি সূচক বা এনট্রপি।
হাইপারপ্যারামিটার
প্রশিক্ষণের আগে কনফিগারযোগ্য প্যারামিটার যা র্যান্ডম ফরেস্টের আচরণ নিয়ন্ত্রণ করে, যেমন গাছের সংখ্যা বা সর্বোচ্চ গভীরতা।