এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
CF Tree (Clustering Feature Tree)
BIRCH-এর কেন্দ্রে অবস্থিত একটি ট্রি ডাটা স্ট্রাকচার, যা তার নোডে পরিসংখ্যানগত সারসংক্ষেপ (Clustering Features) সংরক্ষণ করে সাব-ক্লাস্টারগুলিকে সংক্ষিপ্তভাবে উপস্থাপনের জন্য।
Clustering Feature (CF)
একটি ট্রিপলেট (N, LS, SS) যা একটি সাব-ক্লাস্টারের পরিসংখ্যানগত সারসংক্ষেপ করে, যেখানে N হল পয়েন্টের সংখ্যা, LS হল পয়েন্টগুলির লিনিয়ার সমষ্টি এবং SS হল পয়েন্টগুলির বর্গের সমষ্টি।
Seuil de diamètre (Threshold)
BIRCH প্যারামিটার যা CF ট্রির একটি পাতায় একটি সাব-ক্লাস্টারের সর্বোচ্চ ব্যাস নির্ধারণ করে, ক্লাস্টারিং সারসংক্ষেপের সূক্ষ্মতা নিয়ন্ত্রণ করে।
Facteur de branchement (Branching Factor)
CF ট্রির প্রতিটি নোডে এন্ট্রি (শিশু) সংখ্যা সীমিত করার প্যারামিটার, পারফরম্যান্স অপ্টিমাইজ করার জন্য ট্রির আকার এবং আকৃতি প্রভাবিত করে।
Micro-clustering
BIRCH-এর প্রাথমিক পর্যায় যেখানে ডাটা পয়েন্টগুলি মাইক্রো-ক্লাস্টারে সংগঠিত হয়, CF ট্রির পাতার এন্ট্রি দ্বারা উপস্থাপিত।
Macro-clustering
BIRCH-এর চূড়ান্ত পর্যায় যা চূড়ান্ত ক্লাস্টার তৈরি করতে মাইক্রো-ক্লাস্টারগুলিতে (CF ট্রির পাতা) একটি ক্লাস্টারিং অ্যালগরিদম (যেমন K-Means) প্রয়োগ করে।
Résumé incrémental
BIRCH-এর ক্ষমতা নতুন ডাটা পয়েন্ট দিয়ে CF ট্রি আপডেট করার, সম্পূর্ণ পুনঃগণনা ছাড়াই, যা ডাটা স্ট্রিমের জন্য আদর্শ।
Distance additive CF (CF Additive Distance)
BIRCH-এ ব্যবহৃত দূরত্ব মেট্রিক যা দুটি Clustering Feature-এর মধ্যে নৈকট্য পরিমাপ করে, মূল পয়েন্টে অ্যাক্সেস ছাড়াই তাদের পরিসংখ্যানগত সারসংক্ষেপ থেকে সরাসরি গণনা করা যায়।
পাতার এন্ট্রি (Leaf Entry)
CF ট্রির একটি পাতার উপাদান যা একটি মাইক্রো-ক্লাস্টার প্রতিনিধিত্ব করে, যাতে একটি ক্লাস্টারিং ফিচার এবং পাতার লিঙ্কড লিস্টের পরবর্তী নোডের পয়েন্টার থাকে।
পাতার লিঙ্কড লিস্ট (Leaf Linked List)
CF ট্রির একটি কাঠামো যা ম্যাক্রো-ক্লাস্টারিং পর্যায়ে দক্ষ অনুক্রমিক স্ক্যানিংয়ের জন্য সমস্ত পাতাকে সংযুক্ত করে।
পয়েন্ট শোষণ (Point Absorption)
BIRCH-এ একটি প্রক্রিয়া যেখানে একটি নতুন ডেটা পয়েন্ট নিকটতম মাইক্রো-ক্লাস্টারে সংযুক্ত হয় যদি যোগ করলে ব্যাসের থ্রেশহোল্ড অতিক্রম না করে।
নোড বিভাজন (Node Splitting)
BIRCH-এ ট্রিগার হওয়া একটি প্রক্রিয়া যখন একটি পয়েন্ট সন্নিবেশ করানো হলে ব্যাসের থ্রেশহোল্ড বা ব্রাঞ্চিং ফ্যাক্টর অতিক্রম করে, সীমাবদ্ধতা বজায় রাখতে নোডটিকে বিভক্ত করে।
পুনর্নির্মাণ পর্যায় (Rebuilding Phase)
BIRCH-এ একটি ঐচ্ছিক ধাপ যেখানে চূড়ান্ত পর্যায়ের আগে ক্লাস্টারিংয়ের নির্ভুলতা বাড়ানোর জন্য কম ব্যাসের থ্রেশহোল্ড সহ CF ট্রি পুনর্নির্মাণ করা হয়।
ইনক্রিমেন্টাল গণনা খরচ
BIRCH-এর একটি মূল সুবিধা, যেখানে একটি ডেটা পয়েন্ট সন্নিবেশের খরচ পয়েন্ট সংখ্যার সাপেক্ষে লগারিদমিক, যা অ্যালগরিদমকে অত্যন্ত স্কেলেবল করে তোলে।
ক্লাস্টার সারসংক্ষেপ (Cluster Summary)
BIRCH-এর একটি মৌলিক ধারণা যেখানে পয়েন্টগুলির একটি গ্রুপ পৃথক পয়েন্টের পরিবর্তে একটি পরিসংখ্যানগত সারসংক্ষেপ (CF) দ্বারা প্রতিনিধিত্ব করা হয়, মেমরি স্পেস হ্রাস করে।