এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
Arbres de Décision Classiques
Algorithmes fondamentaux comme CART, ID3 et C4.5 qui construisent des structures arborescentes pour prendre des décisions basées sur des règles de partitionnement.
Random Forest
Méthode d'ensemble qui combine multiples arbres de décision entraînés sur des sous-échantillons bootstrap pour réduire la variance et éviter le surapprentissage.
গ্রেডিয়েন্ট বুস্টিং মেশিন
একটি সিকোয়েন্সিয়াল এনসেম্বল পদ্ধতি যা গ্রেডিয়েন্ট ডিসেন্টের মাধ্যমে একটি লস ফাংশন অপ্টিমাইজ করে অ্যাডিটিভ মডেল তৈরি করে।
XGBoost
L1/L2 নিয়মিতকরণ সহ গ্রেডিয়েন্ট বুস্টিং-এর অপ্টিমাইজড বাস্তবায়ন, সমান্তরাল প্রক্রিয়াকরণ এবং অনুপস্থিত মানগুলির দক্ষ ব্যবস্থাপনা।
LightGBM
গ্রেডিয়েন্ট বুস্টিং অ্যালগরিদম যা লিফ-ওয়াইজ বৃদ্ধি এবং হিস্টোগ্রাম-ভিত্তিক নমুনা ব্যবহার করে উন্নত কার্যকারিতার জন্য।
CatBoost
ক্যাটেগরিকাল ভেরিয়েবল প্রক্রিয়াকরণে বিশেষায়িত গ্রেডিয়েন্ট বুস্টিং পদ্ধতি, যা টার্গেট-ওয়াইজ এনকোডিং এবং অর্ডার্ড বুস্টিং ব্যবহার করে।
AdaBoost
বুস্টিং অ্যালগরিদম যা দুর্বল শিক্ষার্থীদের ধারাবাহিক পুনরাবৃত্তির মাধ্যমে ভবিষ্যদ্বাণী করা কঠিন পর্যবেক্ষণের ওজন সামঞ্জস্য করে।
ব্যাগিং
সমান্তরাল সমষ্টি কৌশল যা ভিন্ন ভিন্ন নমুনায় প্রশিক্ষিত মডেলগুলিকে একত্রিত করে ভ্যারিয়েন্স হ্রাস করতে বুটস্ট্র্যাপ অ্যাগ্রিগেটিং ব্যবহার করে।
স্ট্যাকিং এবং ব্লেন্ডিং
এনসেম্বল পদ্ধতি যা সামগ্রিক কর্মক্ষমতা উন্নত করতে একটি মেটা-মডেলের মাধ্যমে একাধিক বেস মডেলের পূর্বাভাসগুলিকে একত্রিত করে।
এক্সট্রা ট্রি
এক্সট্রিমলি র্যান্ডমাইজড ট্রি, র্যান্ডম ফরেস্টের অনুরূপ একটি পদ্ধতি কিন্তু বিভাজনের থ্রেশহোল্ড এলোমেলোভাবে নির্বাচনের মাধ্যমে আরও বেশি র্যান্ডমাইজেশন সহ।
রিগ্রেশন বনাম ক্লাসিফিকেশন ট্রি
রিগ্রেশন সমস্যার (ক্রমাগত ভবিষ্যদ্বাণী) বা শ্রেণীবিভাগ সমস্যার (বিযুক্ত ভবিষ্যদ্বাণী) জন্য সিদ্ধান্ত বৃক্ষের বিশেষীকরণ।
সমান্তরাল সমষ্টি পদ্ধতি
যেসব পদ্ধতিতে মডেলগুলি স্বাধীনভাবে এবং একই সাথে তৈরি করা হয়, যেমন র্যান্ডম ফরেস্ট এবং ব্যাগিং, ভ্যারিয়েন্স কমানোর জন্য।