এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
ক্লাসিকাল ডিসিশন ট্রি
বৈশিষ্ট্য স্থানকে বিভক্ত করার জন্য সিদ্ধান্ত নিয়ম ব্যবহার করে মৌলিক গাছের কাঠামো।
র্যান্ডম ফরেস্ট
ব্যাগিং-ভিত্তিক সমষ্টিগত পদ্ধতি যা এলোমেলো উপ-নমুনায় প্রশিক্ষিত একাধিক সিদ্ধান্ত বৃক্ষকে একত্রিত করে।
গ্রেডিয়েন্ট বুস্টিং মেশিন
ক্রমিক এনসেম্বল কৌশল যা পূর্ববর্তী মডেলের ত্রুটিগুলি সংশোধন করতে দুর্বল শিক্ষার্থীদের গঠন করে।
XGBoost
সর্বোচ্চ কর্মক্ষমতার জন্য নিয়মিতকরণ এবং সমান্তরালীকরণ সহ গ্রেডিয়েন্ট বুস্টিং-এর অপ্টিমাইজড বাস্তবায়ন।
LightGBM
গ্রেডিয়েন্ট বুস্টিং ফ্রেমওয়ার্ক যা গতি বৃদ্ধির জন্য পাতার মাধ্যমে বৃদ্ধি এবং হিস্টোগ্রাম নমুনায়ন ব্যবহার করে।
CatBoost
ক্যাটাগরিকাল ভেরিয়েবলগুলির স্বয়ংক্রিয় প্রক্রিয়াকরণে বিশেষায়িত গ্রেডিয়েন্ট বুস্টিং অ্যালগরিদম।
AdaBoost
অভিযোজিত বুস্টিং পদ্ধতি যা কঠিন উদাহরণগুলিকে ওজন দিয়ে পুনরাবৃত্তিমূলকভাবে কর্মক্ষমতা উন্নত করে।
Bagging
Bootstrap Aggregating পদ্ধতি যা বিভিন্ন বুটস্ট্র্যাপ নমুনায় প্রশিক্ষিত একাধিক মডেলকে একত্রিত করে।
এক্সট্রা ট্রি
এক্সট্রিমলি র্যান্ডমাইজড ট্রি যা ভ্যারিয়েন্স কমানো এবং প্রশিক্ষণ দ্রুততর করার জন্য এলোমেলো বিভাজন থ্রেশহোল্ড ব্যবহার করে।
স্ট্যাকিং
এনসেম্বল পদ্ধতি যা একটি মেটা-মডেলের মাধ্যমে একাধিক মডেলের পূর্বাভাসকে একত্রিত করে, যাতে সেগুলোর ওজন শেখা যায়।
প্রুনিং কৌশল
ওভারফিটিং এড়াতে এবং সাধারণীকরণ উন্নত করতে গাছের জটিলতা কমানোর পদ্ধতি।
CART গাছ
শ্রেণীবিভাগের জন্য জিনি সূচক এবং রিগ্রেশনের জন্য চতুর্মুখী ত্রুটি ব্যবহার করে শ্রেণীবিভাগ এবং রিগ্রেশন গাছ।
আইডি৩ এবং সি৪.৫ গাছ
তথ্য লাভ এবং লাভ অনুপাতের উপর ভিত্তি করে ঐতিহাসিক অ্যালগরিদম সিদ্ধান্ত গঠনের জন্য।
ফিচার ইম্পর্ট্যান্স ইন ট্রিস
ইম্পিউরিটি হ্রাস বা পারমুটেশন-ভিত্তিক ভেরিয়েবল গুরুত্ব মূল্যায়ন পদ্ধতি।
আইসোলেশন ফরেস্ট
অস্বাভাবিক পর্যবেক্ষণ কার্যকরভাবে পৃথক করতে এলোমেলো গাছ ব্যবহার করে অস্বাভাবিকতা সনাক্তকরণ অ্যালগরিদম।