এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
সাপোর্ট ভেক্টর মেশিন
ক্লাসিফিকেশন এবং রিগ্রেশনের জন্য ব্যবহৃত একটি সুপারভাইজড লার্নিং অ্যালগরিদম, যা সর্বাধিক সম্ভাব্য মার্জিন দিয়ে ক্লাসগুলোকে পৃথককারী সর্বোত্তম হাইপারপ্লেন খোঁজে। এসভিএম ভাল জেনারালাইজেশন নিশ্চিত করতে শক্তিশালী পরিসংখ্যানগত এবং গাণিতিক নীতির উপর নির্ভর করে।
বিভাজক হাইপারপ্লেন
এন-ডাইমেনশনাল স্পেসে একটি এন-১ ডাইমেনশনের অ্যাফাইন সাবস্পেস যা এই স্পেসকে দুটি স্বতন্ত্র হাফ-স্পেসে বিভক্ত করে। লিনিয়ার এসভিএম-এ, সর্বোত্তম হাইপারপ্লেন বিভিন্ন ক্লাসের পয়েন্টগুলোর মধ্যে ন্যূনতম দূরত্বকে সর্বাধিক করে।
ডিসিশন ফাংশন
গাণিতিক এক্সপ্রেশন f(x) = w·x + b যা হাইপারপ্লেনের সাপেক্ষে একটি নতুন পয়েন্টের অবস্থানের উপর ভিত্তি করে ক্লাসিফাই করতে দেয়। এই ফাংশনের চিহ্ন একটি ক্লাসের অন্তর্ভুক্তি নির্ধারণ করে যখন এর পরম মান ক্লাসিফিকেশনের আত্মবিশ্বাস পরিমাপ করে।
প্রাইমাল ফর্মুলেশন
এসভিএম অপ্টিমাইজেশন সমস্যার মূল গাণিতিক উপস্থাপনা যা সঠিক ক্লাসিফিকেশনের সীমাবদ্ধতার অধীনে সরাসরি ওয়েট ভেক্টরের নর্ম মিনিমাইজ করে। এই ফর্মুলেশন স্বজ্ঞাতভাবে মার্জিন ম্যাক্সিমাইজেশনের লক্ষ্যকে তুলে ধরে।
কনভেক্স অপ্টিমাইজেশন
অ্যাপ্লাইড ম্যাথমেটিক্সের একটি ক্ষেত্র যা কনভেক্স সেটে কনভেক্স ফাংশন মিনিমাইজ করার সাথে সম্পর্কিত, সর্বোত্তম সমাধানের অস্তিত্ব এবং স্বতন্ত্রতা নিশ্চিত করে। গ্লোবাল সলিউশনের কনভারজেন্স নিশ্চিত করতে এসভিএম এই বৈশিষ্ট্য থেকে উপকৃত হয়।
ল্যাগ্রেঞ্জ ভেরিয়েবল
সীমাবদ্ধ অপ্টিমাইজেশন সমস্যাকে একটি সমতুল্য আনকনস্ট্রেইন্ড সমস্যায় রূপান্তর করার জন্য প্রবর্তিত মাল্টিপ্লায়ার। এসভিএম-এ, এই ভেরিয়েবলগুলি নির্দেশ করে কোন ট্রেনিং পয়েন্টগুলি সাপোর্ট ভেক্টরে পরিণত হয়।
লিনিয়ার কার্নেল
সরলতম কার্নেল ফাংশন যা ট্রান্সফর্মেশন ছাড়াই মূল স্পেসে দুটি ভেক্টরের মধ্যে সরাসরি ডট প্রোডাক্ট গণনা করে। লিনিয়ার কার্নেল ব্যবহার করা হয় যখন ক্লাসগুলি লিনিয়ারলি সেপারেবল হয় এবং মডেলের সর্বাধিক ব্যাখ্যাযোগ্যতা প্রদান করে।
প্যারামিটার C
এসভিএম-এর রেগুলারাইজেশন হাইপারপ্যারামিটার যা মার্জিন ম্যাক্সিমাইজেশন এবং ট্রেনিং সেটে ক্লাসিফিকেশন ত্রুটির মিনিমাইজেশনের মধ্যে ট্রেড-অফ নির্ধারণ করে। C-এর উচ্চ মান কম ত্রুটিকে পছন্দ করে কিন্তু ওভারফিটিং-এর দিকে নিয়ে যেতে পারে।
ল্যাগ্রাঞ্জ মাল্টিপ্লায়ার পদ্ধতি
প্রতিটি সীমাবদ্ধতার সাথে যুক্ত গুণক ভেরিয়েবল প্রবর্তন করে সীমাবদ্ধ অপ্টিমাইজেশন সমস্যা সমাধানের জন্য গাণিতিক পদ্ধতি। এই পদ্ধতি এসভিএম অপ্টিমাইজেশন সমস্যা সমাধানের জন্য মৌলিক।
রৈখিক পৃথকীকরণ সমস্যা
তাত্ত্বিক ক্ষেত্রে যেখানে একটি হাইপারপ্লেন শ্রেণিবিন্যাস ত্রুটি ছাড়াই বিভিন্ন শ্রেণীর বিন্দুগুলিকে পুরোপুরি আলাদা করতে পারে। রৈখিক এসভিএম শ্রেণিগুলি পুরোপুরি আলাদা করা না গেলেও সর্বোত্তম সম্ভাব্য পৃথকীকরণ খুঁজে বের করার জন্য অপ্টিমাইজ করা হয়।
সর্বোত্তম রৈখিক শ্রেণিবিন্যাসকারী
একটি রৈখিক শ্রেণিবিন্যাস মডেল যা শ্রেণীগুলির মধ্যে মার্জিন সর্বাধিক করে, তাত্ত্বিকভাবে সমস্ত সম্ভাব্য রৈখিক শ্রেণিবিন্যাসকারীর মধ্যে সর্বোত্তম সাধারণীকরণ ক্ষমতা নিশ্চিত করে। সর্বোত্তমতা পরিসংখ্যানগত শিক্ষণ তত্ত্ব দ্বারা প্রমাণিত।
দূরত্ব মেট্রিক
বৈশিষ্ট্য স্থানে বিন্দুগুলির মধ্যে দূরত্বের ধারণা সংজ্ঞায়িত করা গাণিতিক ফাংশন, যা এসভিএম-এ মার্জিন গণনার জন্য অপরিহার্য। ইউক্লিডীয় দূরত্ব সাধারণত হাইপারপ্লেন থেকে দূরত্ব পরিমাপের জন্য ব্যবহৃত হয়।
অ্যালগরিদমের অভিসৃতি
এসভিএম অপ্টিমাইজেশন অ্যালগরিদমগুলির নিশ্চিত সম্পত্তি যা সমস্যাটির উত্তল প্রকৃতির কারণে সীমিত সংখ্যক পুনরাবৃত্তিতে সর্বোত্তম সমাধানে পৌঁছায়। এই অভিসৃতি প্রাপ্ত ফলাফলের পুনরুৎপাদনযোগ্যতা এবং নির্ভরযোগ্যতা নিশ্চিত করে।