এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
Bagging
বুটস্ট্র্যাপ নমুনার উপর একাধিক মডেল তৈরি করে ভ্যারিয়েন্স কমানোর জন্য একটি এনসেম্বল কৌশল
বুস্টিং
একটি ক্রমিক পদ্ধতি যেখানে প্রতিটি মডেল পূর্ববর্তীটির ত্রুটি সংশোধন করে পক্ষপাত হ্রাস করে
স্ট্যাকিং
একটি মেটা-মডেলের মাধ্যমে মডেলগুলোর সংমিশ্রণ যা তাদের পূর্বাভাসগুলোর ওজন নির্ধারণ করতে শেখে
র্যান্ডম ফরেস্ট
বাগিং এবং বৈশিষ্ট্যের এলোমেলো নির্বাচন ব্যবহার করে সিদ্ধান্ত বৃক্ষের সমন্বয়
গ্রেডিয়েন্ট বুস্টিং
ফাংশন স্পেসে গ্রেডিয়েন্ট ডিসেন্ট ব্যবহার করে একটি লস ফাংশন অপ্টিমাইজ করে বুস্টিং
AdaBoost
পূর্ববর্তী ত্রুটির উপর ভিত্তি করে উদাহরণগুলোর ওজন নির্ধারণকারী অভিযোজিত বুস্টিং অ্যালগরিদম
XGBoost
রেগুলারাইজেশন এবং সমান্তরালীকরণ সহ গ্রেডিয়েন্ট বুস্টিং-এর অপ্টিমাইজড বাস্তবায়ন
LightGBM
গ্রেডিয়েন্ট বুস্টিং যা গতি বৃদ্ধির জন্য পাতার মাধ্যমে বৃদ্ধি এবং ফিচার বিনিং ব্যবহার করে
CatBoost
ক্যাটাগরিকাল ভেরিয়েবল প্রক্রিয়াকরণে বিশেষায়িত গ্রেডিয়েন্ট বুস্টিং
Voting Classifiers
হার্ড ভোটিং বা সফট প্রোব্যাবিলিটি গড়ের মাধ্যমে ভবিষ্যদ্বাণী সমষ্টিকরণ
Blending
Hold-out validation ব্যবহার করে মেটা-মডেল প্রশিক্ষণের জন্য স্ট্যাকিংয়ের অনুরূপ কৌশল
Dynamic Ensemble Selection
প্রতিটি উদাহরণের বৈশিষ্ট্য অনুযায়ী মডেল সাবসেটের গতিশীল নির্বাচন
এনসেম্বল প্রানিং
সবচেয়ে প্রাসঙ্গিক মডেল নির্বাচন করে এনসেম্বলের আকার হ্রাস করা
Bayesian Model Averaging
পশ্চাদবর্তী সম্ভাবনা অনুযায়ী মডেলগুলিকে একত্রিত করে বেইজিয়ান পদ্ধতি
বিশেষজ্ঞদের মিশ্রণ
গেটিং নেটওয়ার্ক দ্বারা সক্রিয় বিশেষজ্ঞ নেটওয়ার্কগুলির স্থাপত্য