এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
এপসিলন মার্জিন
রিগ্রেশন হাইপারপ্লেনের চারপাশে সংজ্ঞায়িত সহনশীলতার অঞ্চল যেখানে পূর্বাভাসের ত্রুটিতে কোনও শাস্তি প্রয়োগ করা হয় না। মডেলের জটিলতা এবং সহ্য করা ত্রুটির সংখ্যার মধ্যে সমন্বয় নিয়ন্ত্রণকারী গুরুত্বপূর্ণ প্যারামিটার।
রিগ্রেশন হাইপারপ্লেন
রৈখিক বা অ-রৈখিক সিদ্ধান্তের পৃষ্ঠ যা SVR মানদণ্ড অনুযায়ী প্রশিক্ষণ ডেটার সেরা অনুমান উপস্থাপন করে। সহনশীলতার মার্জিন সর্বাধিক করার সময় ত্রুটি কমানোর জন্য অপ্টিমাইজ করা হয়।
শিথিলতা ভেরিয়েবল
ডেটা পুরোপুরি ফিট করা না গেলে এপসিলন মার্জিন লঙ্ঘনের অনুমতি দেওয়ার জন্য প্রবর্তিত ভেরিয়েবল। প্রশিক্ষণ ডেটায় আউটলায়ার এবং নয়েজ পরিচালনা করতে মডেলকে সক্ষম করে।
এপসিলন-অসংবেদী ক্ষতি ফাংশন
SVR-এর জন্য নির্দিষ্ট ক্ষতি ফাংশন যা এপসিলনের চেয়ে কম ত্রুটিতে কোনও শাস্তি প্রয়োগ করে না, এবং বড় ত্রুটিতে রৈখিক শাস্তি প্রয়োগ করে। ছোট ত্রুটি উপেক্ষা করে মডেলের মিতব্যয়িতা প্রচার করে।
কোয়াড্রাটিক অপ্টিমাইজেশন
গাণিতিক অপ্টিমাইজেশন সমস্যা যার একটি দ্বিঘাত উদ্দেশ্য ফাংশন এবং রৈখিক সীমাবদ্ধতা রয়েছে, SVR মডেল প্রশিক্ষণের জন্য সমাধান করা হয়। দক্ষ সমাধানের জন্য SMO (Sequential Minimal Optimization) এর মতো অ্যালগরিদম ব্যবহার করে।
RBF কার্নেল SVR
কার্নেল হিসাবে রেডিয়াল বেসিস ফাংশন ব্যবহার করে SVR-এর বৈকল্পিক, যা ভেরিয়েবলগুলির মধ্যে জটিল অ-রৈখিক সম্পর্ক ক্যাপচার করতে সক্ষম। যেসব সমস্যায় ইনপুট এবং আউটপুটের মধ্যে সম্পর্ক আগে থেকে জানা নেই সেগুলির জন্য বিশেষভাবে কার্যকর।
SVR পাইপলাইন
ডেটা স্বাভাবিকীকরণ, মাত্রা হ্রাস এবং SVR মডেল প্রশিক্ষণকে একীভূত করে প্রক্রিয়াকরণের চেইন। পুনরুৎপাদনযোগ্যতা নিশ্চিত করে এবং প্রশিক্ষণ ও পরীক্ষার ধাপগুলির মধ্যে তথ্য ফাঁস এড়ায়।
SVR ক্রস-ভ্যালিডেশন
SVR মডেলের জন্য শক্তিশালী মূল্যায়ন কৌশল যাতে ডেটাকে k উপসেটে বিভক্ত করা এবং বারবার প্রশিক্ষণ/মূল্যায়ন জড়িত। সর্বোত্তম হাইপারপ্যারামিটার নির্বাচন এবং সাধারণীকরণ কর্মক্ষমতা অনুমান করতে সক্ষম করে।
SVR pondéré
Extension du SVR standard où différentes observations reçoivent des poids différents dans la fonction de perte. Utile pour traiter des données déséquilibrées ou accorder plus d'importance à certaines régions de l'espace des variables.
Résidus SVR
Différences entre les valeurs prédites par le modèle SVR et les valeurs réelles, utilisées pour diagnostiquer la qualité de l'ajustement. L'analyse des résidus permet d'identifier des motifs systématiques et d'améliorer le modèle.