এআই গ্লসারি

📖

শব্দ

শ্রেণীবিভাগ বৃক্ষ

বিযুক্ত বা শ্রেণীবদ্ধ মানগুলির পূর্বাভাস দেওয়ার জন্য বিশেষায়িত সিদ্ধান্ত বৃক্ষের একটি প্রকার। বৃক্ষের পাতাগুলিতে শ্রেণীর লেবেল থাকে এবং মূল থেকে পাতার পথটি একটি শ্রেণীবিভাগ নিয়মের প্রতিনিধিত্ব করে।

📖

শব্দ

বিভাজন মানদণ্ড

একটি সিদ্ধান্ত বৃক্ষে সম্ভাব্য বিভাজনের গুণমান মূল্যায়নের জন্য ব্যবহৃত গাণিতিক পদ্ধতি। এই মানদণ্ডটি সৃষ্ট উপসেটগুলির সমজাতীয়তা সর্বাধিক করার লক্ষ্য রাখে, শ্রেণীবিভাগের জন্য জিনি অশুদ্ধতা বা এনট্রপি এবং রিগ্রেশনের জন্য ভ্যারিয়েন্স হ্রাস ব্যবহার করে।

📖

শব্দ

জিনি অশুদ্ধতা

একটি নোডে শ্রেণীগুলির মিশ্রণ মূল্যায়নের জন্য শ্রেণীবিভাগ বৃক্ষে ব্যবহৃত অশুদ্ধতার পরিমাপ। 0 মানটি একটি সম্পূর্ণ বিশুদ্ধ নোড নির্দেশ করে (সমস্ত পর্যবেক্ষণ একটি একক শ্রেণীর অন্তর্গত), অন্যদিকে 0.5 মানটি একটি বাইনারি সমস্যায় সর্বাধিক মিশ্রণ নির্দেশ করে।

📖

শব্দ

গড় বর্গ ত্রুটি (MSE)

নোড-অন্তর্ভুক্ত ভ্যারিয়েন্স ন্যূনতম করার জন্য রিগ্রেশন বৃক্ষে ব্যবহৃত প্রধান বিভাজন মানদণ্ড। MSE পূর্বাভাসিত এবং প্রকৃত মানগুলির মধ্যে পার্থক্যের বর্গের গড় গণনা করে, সর্বোত্তম বিভাজন বিন্দু নির্বাচনে নির্দেশনা দেয়।

📖

শব্দ

গভীর সিদ্ধান্ত বৃক্ষ

উচ্চ গভীরতা সহ সিদ্ধান্ত বৃক্ষ যা ডেটাতে জটিল এবং অ-রৈখিক সম্পর্ক মডেল করতে পারে। গভীর বৃক্ষগুলি ওভারফিটিং-এর ঝুঁকি রাখে কিন্তু বৈশিষ্ট্যগুলির মধ্যে উচ্চ-স্তরের মিথস্ক্রিয়া ধারণ করে।

📖

শব্দ

এনসেম্বল পদ্ধতি

একটি চূড়ান্ত, আরও শক্তিশালী এবং সঠিক পূর্বাভাস তৈরি করতে একাধিক পূর্বাভাসমূলক মডেল সংযুক্ত করার পদ্ধতি। এনসেম্বল পদ্ধতিগুলি ভ্যারিয়েন্স, পক্ষপাত বা উভয়ই একই সাথে হ্রাস করার জন্য পৃথক মডেলগুলির বৈচিত্র্য কাজে লাগায়।

📖

শব্দ

বৃক্ষের ভ্যারিয়েন্স

প্রশিক্ষণ ডেটার পরিবর্তনের প্রতি একটি সিদ্ধান্ত বৃক্ষের সংবেদনশীলতার পরিমাপ। সিদ্ধান্ত বৃক্ষগুলির সাধারণত উচ্চ ভ্যারিয়েন্স থাকে কারণ ডেটার ছোট পরিবর্তনগুলি বৃক্ষ কাঠামোর খুব আলাদা পরিবর্তন ঘটাতে পারে।