এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
সিগময়েড ফাংশন
একটি এস-আকৃতির গাণিতিক ফাংশন যা যেকোনো বাস্তব সংখ্যাকে ০ থেকে ১ এর মধ্যে সম্ভাবনায় রূপান্তর করে, লজিস্টিক রিগ্রেশনে অ্যাক্টিভেশন ফাংশন হিসেবে ব্যবহৃত হয়।
লজিট ফাংশন
একটি লগারিদমিক লিঙ্ক ফাংশন যা সম্ভাবনাকে লগারিদমিক স্কেলে রূপান্তর করে, সাফল্যের সম্ভাবনার অডসের প্রাকৃতিক লগারিদম হিসেবে সংজ্ঞায়িত।
সর্বাধিক সম্ভাবনা
মডেল প্যারামিটার অনুমানের একটি পদ্ধতি যা মডেল প্যারামিটার দেওয়া থাকলে প্রশিক্ষণ ডেটা পর্যবেক্ষণের সম্ভাবনাকে সর্বাধিক করে।
বায়াস (ইন্টারসেপ্ট)
লজিস্টিক রিগ্রেশন সমীকরণের ধ্রুবক পদ যা সমস্ত ভবিষ্যদ্বাণীকারী ভেরিয়েবল শূন্য হলে মৌলিক সম্ভাবনাকে উপস্থাপন করে।
ওজন (সহগ)
প্রতিটি ভবিষ্যদ্বাণীকারী ভেরিয়েবলের সাথে যুক্ত গুণনীয়ক প্যারামিটার যা শ্রেণীবিভাগের সম্ভাবনার উপর তাদের প্রভাব পরিমাপ করে।
সিদ্ধান্ত সীমানা
হাইপারপ্লেন বা পৃষ্ঠ যা বৈশিষ্ট্য স্পেসে বিভিন্ন শ্রেণীকে পৃথক করে, সেই সমীকরণ দ্বারা সংজ্ঞায়িত যেখানে পূর্বাভাসিত সম্ভাবনা ০.৫ এর সমান।
অডস রেশিও
একটি অ্যাসোসিয়েশন পরিমাপ যা পরিমাপ করে যে একটি ফলাফলের অডস কীভাবে পরিবর্তিত হয় যখন ভবিষ্যদ্বাণীকারী ভেরিয়েবল এক ইউনিট বৃদ্ধি পায়, অন্যান্য সমস্ত ভেরিয়েবল স্থির থাকে।
এল১ রেগুলারাইজেশন (ল্যাসো)
একটি শাস্তিমূলক কৌশল যা খরচ ফাংশনে সহগগুলির পরম মানের যোগফল যোগ করে, স্বয়ংক্রিয় ভেরিয়েবল নির্বাচনকে উৎসাহিত করে।
এল২ নিয়মিতকরণ (রিজ)
একটি শাস্তিমূলক পদ্ধতি যা গুণাঙ্কগুলির বর্গের সমষ্টি ব্যয় ফাংশনে যোগ করে, ওভারফিটিং প্রতিরোধের জন্য গুণাঙ্কগুলির মাত্রা হ্রাস করে।
বক্ররেখার নিচের ক্ষেত্রফল (AUC)
একটি মূল্যায়ন মেট্রিক যা একটি মডেলের এলোমেলোভাবে একটি ইতিবাচক উদাহরণকে একটি নেতিবাচক উদাহরণের চেয়ে উচ্চতর শ্রেণীবদ্ধ করার সম্ভাবনা পরিমাপ করে, ০.৫ থেকে ১ পর্যন্ত পরিবর্তিত হয়।
শ্রেণীবিভাগের সীমা
সম্ভাব্যতার সীমা মান (সাধারণত ০.৫) যা অবিচ্ছিন্ন সম্ভাবনাগুলিকে বাইনারি শ্রেণীর ভবিষ্যদ্বাণীতে রূপান্তর করতে ব্যবহৃত হয়।
সম্ভাবনা ফাংশন
একটি ফাংশন যা মডেলের পরামিতিগুলি দেওয়া ডেটা পর্যবেক্ষণের সম্ভাবনা পরিমাপ করে, লজিস্টিক রিগ্রেশনে পরামিতি অনুমানের জন্য ব্যবহৃত হয়।
ব্যয় ফাংশন (লগ লস)
একটি লগারিদমিক শাস্তি ফাংশন যা ভবিষ্যদ্বাণী করা সম্ভাবনা এবং প্রকৃত লেবেলগুলির মধ্যে পার্থক্য পরিমাপ করে, মডেল অপ্টিমাইজ করার জন্য ব্যবহৃত হয়।
অভিসৃতি
একটি অবস্থা যেখানে অপ্টিমাইজেশন অ্যালগরিদমের ধারাবাহিক পুনরাবৃত্তিগুলি আর মডেলের পরামিতিগুলিকে উল্লেখযোগ্যভাবে পরিবর্তন করে না, যা একটি সর্বোত্তম অবস্থা অর্জন নির্দেশ করে।
অসামঞ্জস্যপূর্ণ শ্রেণী
একটি পরিস্থিতি যেখানে প্রশিক্ষণ ডেটাতে একটি শ্রেণী অন্যটির তুলনায় উল্লেখযোগ্যভাবে কম প্রতিনিধিত্ব করা হয়, নমুনা বা ওজন কৌশল প্রয়োজন।