এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
ফিচার ইম্পর্টেন্স
একটি মেট্রিক যা র্যান্ডম ফরেস্ট মডেলের পারফরম্যান্সে প্রতিটি প্রেডিক্টিভ ভেরিয়েবলের প্রভাব পরিমাপ করে, যা হয় গড় অশুদ্ধতা হ্রাস বা এলোমেলো পারমুটেশন দ্বারা গণনা করা হয়।
জিনি ইম্পর্টেন্স
ভেরিয়েবলের গুরুত্ব মূল্যায়নের একটি পদ্ধতি যা জিনি অশুদ্ধতার মোট হ্রাসের উপর ভিত্তি করে, যেখানে ভেরিয়েবলটি বিভক্ত করার জন্য ব্যবহৃত সমস্ত নোডে ক্রমবর্ধমান অশুদ্ধতা হ্রাস বিবেচনা করা হয়।
গড় অশুদ্ধতা হ্রাস
একটি কৌশল যা একটি ভেরিয়েবলের গুরুত্ব পরিমাপ করে গড় অশুদ্ধতা হ্রাস (জিনি বা এনট্রপি) এর মাধ্যমে, যখন এটি গাছগুলিতে বিভাজনের মানদণ্ড হিসাবে ব্যবহৃত হয়।
পারমুটেশন ইম্পর্টেন্স
একটি মডেল-অ্যাগনস্টিক পদ্ধতি যা একটি ভেরিয়েবলের গুরুত্ব মূল্যায়ন করে মডেলের পারফরম্যান্সের অবনতি পরিমাপের মাধ্যমে, যখন সেই ভেরিয়েবলের মানগুলি এলোমেলোভাবে পরিবর্তিত হয়।
গড় নির্ভুলতা হ্রাস
একটি ভেরিয়েবলের গুরুত্বের সূচক যা মডেলের নির্ভুলতার গড় হ্রাসের উপর ভিত্তি করে, যখন সেই ভেরিয়েবলটি আউট-অফ-ব্যাগ ডেটাতে পরিবর্তিত হয়।
অশুদ্ধতা পরিমাপ
একটি গাণিতিক ফাংশন যা একটি নোডে ক্লাসগুলির বিষমতার ডিগ্রি পরিমাপ করে, সিদ্ধান্ত গাছগুলিতে বিভাজন অপ্টিমাইজ করার জন্য ব্যবহৃত হয়।
ইনফরমেশন গেইন
একটি বিভাজন মানদণ্ড যা একটি নির্দিষ্ট ফিচার অনুযায়ী একটি নোড বিভক্ত করে প্রাপ্ত এনট্রপি হ্রাস পরিমাপ করে, ফলে সমজাতীয়তা সর্বাধিক করে এমন বিভাজনকে পছন্দ করে।
জিনি ইনডেক্স
একটি অশুদ্ধতা পরিমাপ যা এলোমেলোভাবে শ্রেণীবদ্ধ একটি পর্যবেক্ষণের ভুল হওয়ার সম্ভাবনা গণনা করে, একটি সিদ্ধান্ত গাছের নোডে ক্লাসগুলির বিষমতা মূল্যায়ন করে।
আউট-অফ-ব্যাগ ত্রুটি
র্যান্ডম ফরেস্টে অভ্যন্তরীণ ক্রস-ভ্যালিডেশন হিসেবে কাজ করে, প্রতিটি গাছকে তার প্রশিক্ষণের সময় ব্যবহৃত হয়নি এমন পর্যবেক্ষণের মাধ্যমে মূল্যায়ন করে একটি নিরপেক্ষ ত্রুটি অনুমান গণনা করা।
ফিচার সিলেকশন
তাদের গুরুত্ব স্কোরের ভিত্তিতে সবচেয়ে প্রাসঙ্গিক ভেরিয়েবলগুলি সনাক্তকরণ এবং সংরক্ষণের প্রক্রিয়া, যেখানে অপ্রয়োজনীয় বা অ-তথ্যপূর্ণ বৈশিষ্ট্যগুলি বাদ দেওয়া হয়।
ভেরিয়েবল গুরুত্ব প্লট
ভবিষ্যদ্বাণীমূলক ভেরিয়েবলগুলিকে তাদের হ্রাসমান গুরুত্ব স্কোর অনুসারে সাজিয়ে ভিজ্যুয়ালাইজেশন, যা মডেলের সবচেয়ে প্রভাবশালী কারণগুলির ব্যাখ্যা সহজ করে।
আংশিক নির্ভরতা প্লট
এক বা দুটি ভেরিয়েবলের মডেলের ভবিষ্যদ্বাণীতে প্রান্তিক প্রভাব দেখানো গ্রাফিক্যাল উপস্থাপনা, যেখানে অন্যান্য সমস্ত ভেরিয়েবলের উপর গড় করা হয়।
নোড অশুদ্ধতা
একটি গাছের নোডে পর্যবেক্ষণের বৈষম্যের ডিগ্রী, যা এই অশুদ্ধতা হ্রাসে তাদের অবদানের মাধ্যমে বৈশিষ্ট্যগুলির গুরুত্ব গণনার ভিত্তি হিসেবে কাজ করে।
বিভাজন মানদণ্ড
একটি বৈশিষ্ট্য এবং একটি থ্রেশহোল্ডের উপর ভিত্তি করে একটি নোডের সর্বোত্তম বিভাজন নির্ধারণকারী নিয়ম, যা সরাসরি ভেরিয়েবলগুলির মধ্যে গুরুত্বের বন্টনকে প্রভাবিত করে।