এআই গ্লসারি

📖

শব্দ

ওয়েটেড স্যাম্পল

প্রশিক্ষণের একটি উদাহরণ যার সাথে একটি ওজন যুক্ত থাকে যা অ্যালগরিদমে এর আপেক্ষিক গুরুত্ব নির্দেশ করে, এই ওজনগুলি শ্রেণীবিভাগের ত্রুটির উপর ভিত্তি করে পুনরাবৃত্তিমূলকভাবে সামঞ্জস্য করা হয়।

📖

শব্দ

ত্রুটি হার

একটি শ্রেণীবিভাগকারী দ্বারা ভুলভাবে শ্রেণীবিভক্ত উদাহরণগুলির অনুপাত, যা চূড়ান্ত সিদ্ধান্তে শ্রেণীবিভাগকারীর ওজন গণনা করতে এবং উদাহরণগুলির ওজন সামঞ্জস্য করতে AdaBoost-এ ব্যবহৃত হয়।

📖

শব্দ

আলফা সহগ

চূড়ান্ত AdaBoost মডেলে প্রতিটি দুর্বল শ্রেণীবিভাগকারীকে নির্ধারিত ওজন, যা এর ত্রুটি হার থেকে α = 0.5 * ln((1-ত্রুটি)/ত্রুটি) সূত্র অনুসারে গণনা করা হয়।

📖

শব্দ

সূচকীয় ক্ষতি

AdaBoost দ্বারা ব্যবহৃত ক্ষতি ফাংশন যা শ্রেণীবিভাগের ত্রুটিগুলিকে সূচকীয়ভাবে শাস্তি দেয়, যার ফলে ভুলভাবে শ্রেণীবিভক্ত উদাহরণগুলির দ্রুত সংশোধনকে উৎসাহিত করে।

📖

শব্দ

স্যাম্পল ওজন আপডেট

AdaBoost-এ পুনরাবৃত্তিমূলক প্রক্রিয়া যেখানে উদাহরণগুলির ওজন ভুলভাবে শ্রেণীবিভক্তগুলির জন্য বাড়ানো হয় এবং সঠিকভাবে শ্রেণীবিভক্তগুলির জন্য কমানো হয়, পরবর্তী শিক্ষার্থীকে কঠিন উদাহরণগুলিতে মনোনিবেশ করতে বাধ্য করে।

📖

শব্দ

ভোটিং ওজন

AdaBoost-এ চূড়ান্ত ওজনযুক্ত ভোটে প্রতিটি দুর্বল শ্রেণীবিভাগকারীর পূর্বাভাসে প্রয়োগকৃত গুণনীয়ক সহগ, তার ব্যক্তিগত কর্মক্ষমতার উপর ভিত্তি করে।

📖

শব্দ

অ্যাডাপটিভ বুস্টিং

AdaBoost-এর মৌলিক নীতি যেখানে অ্যালগরিদম গতিশীলভাবে তার কৌশল সামঞ্জস্য করে প্রতি পুনরাবৃত্তিতে সবচেয়ে কঠিন উদাহরণগুলিতে মনোনিবেশ করে।

📖

শব্দ

পুনরাবৃত্তিমূলক প্রশিক্ষণ

ক্রমিক প্রশিক্ষণ প্রক্রিয়া যেখানে প্রতিটি নতুন মডেল মূল ডেটাসেটের একটি পরিবর্তিত সংস্করণে প্রশিক্ষিত হয়, পূর্ববর্তী মডেলগুলির কর্মক্ষমতা বিবেচনা করে।

📖

শব্দ

শ্রেণীবিভাগ মার্জিন

একটি শ্রেণীবিভাগের আত্মবিশ্বাসের পরিমাপ যা সঠিক শ্রেণীর জন্য ভোট দেওয়া শ্রেণীবিভাগকারীদের ক্রমবর্ধমান ওজন এবং ভুল শ্রেণীর জন্য ভোট দেওয়া শ্রেণীবিভাগকারীদের ওজনের পার্থক্য হিসাবে গণনা করা হয়।

📖

শব্দ

বুস্টিং-এ ওভারফিটিং

একটি ঘটনা যেখানে একটি AdaBoost মডেল প্রশিক্ষণ ডেটাতে অত্যধিক শেখে, বিশেষ করে যখন পুনরাবৃত্তির সংখ্যা খুব বেশি হয় বা দুর্বল শিক্ষার্থীরা খুব জটিল হয়।