এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
বেইজিয়ান মডেল অ্যাভারেজিং (BMA)
পরিসংখ্যানগত পদ্ধতি যা একাধিক মডেলের পূর্বাভাসগুলিকে তাদের পোস্টেরিয়র সম্ভাবনা অনুযায়ী ওজন দিয়ে একত্রিত করে, চূড়ান্ত পূর্বাভাসে মডেল অনিশ্চয়তা বিবেচনা করতে সক্ষম করে।
পোস্টেরিয়র মডেল সম্ভাবনা
ডেটা পর্যবেক্ষণের পর একটি মডেল সত্যিকারের ডেটা জেনারেটিং মডেল হওয়ার সম্ভাবনা, যা বেইজের উপপাদ্য ব্যবহার করে সম্ভাবনা এবং মডেলের প্রায়র সম্ভাবনা একত্রিত করে গণনা করা হয়।
মডেল এভিডেন্স
একটি নির্দিষ্ট মডেলের অধীনে ডেটার প্রান্তিক সম্ভাবনা, মডেলের সমস্ত প্যারামিটার একীভূত করে প্রাপ্ত, যা বেইজিয়ান কাঠামোতে বিভিন্ন মডেল তুলনা করতে ব্যবহৃত হয়।
অকামের উইন্ডো
BMA-তে মডেল নির্বাচনের কৌশল যা পর্যবেক্ষিত ডেটার তুলনায় অত্যধিক জটিল মডেলগুলিকে বাদ দেয়, কেবল যুক্তিসঙ্গত জটিলতার উইন্ডোর মধ্যে থাকা মডেলগুলিকে সংরক্ষণ করে।
বেইজিয়ান মডেল নির্বাচন
প্রতিযোগী মডেলগুলির মধ্যে তাদের পোস্টেরিয়র সম্ভাবনার ভিত্তিতে নির্বাচনের প্রক্রিয়া, যা অকামের নীতি মাধ্যমে স্বয়ংক্রিয়ভাবে মডেল জটিলতার জন্য শাস্তি অন্তর্ভুক্ত করে।
প্রায়র মডেল সম্ভাবনা
ডেটা পর্যবেক্ষণের আগে একটি মডেলকে নির্ধারিত সম্ভাবনা, বিভিন্ন প্রার্থী মডেলের আপেক্ষিক সম্ভাব্যতা সম্পর্কে পূর্ববর্তী বিশ্বাস প্রতিফলিত করে।
প্রেডিক্টিভ ডিস্ট্রিবিউশন
ভবিষ্যত পর্যবেক্ষণের সম্ভাবনা বন্টন যা প্যারামিটার এবং মডেল অনিশ্চয়তা একীভূত করে, প্রতিটি মডেলের প্রেডিক্টিভ ডিস্ট্রিবিউশনের ওজনযুক্ত গড় দ্বারা প্রাপ্ত।
বেইজিয়ান এনসেম্বলিং
মডেল সমষ্টিকরণ পদ্ধতি যা বেইজিয়ান নীতি ব্যবহার করে একাধিক মডেলের পূর্বাভাসগুলিকে তাদের বিশ্বাসযোগ্যতা দ্বারা ওজন দিয়ে একটি চূড়ান্ত পূর্বাভাসে একত্রিত করে।
ওজনযুক্ত গড় পূর্বাভাস
BMA কাঠামোতে মডেলগুলির পশ্চাত্পর সম্ভাবনা দ্বারা ওজনযুক্ত পৃথক মডেল পূর্বাভাসগুলির গড় করে প্রাপ্ত চূড়ান্ত পূর্বাভাস।
বেইজিয়ান ইনফরমেশন ক্রাইটেরিয়া (BIC)
বেইজিয়ান পদ্ধতিতে ওভারফিটিং এড়াতে মডেল জটিলতাকে জরিমানা করে মডেলের পশ্চাত্পর সম্ভাবনা আনুমানিকভাবে নির্ধারণকারী মডেল নির্বাচন মানদণ্ড।
ডিরিচলেট প্রক্রিয়া
অ-প্যারামেট্রিক বেইজিয়ান মডেলগুলিতে ব্যবহৃত স্টোকাস্টিক প্রক্রিয়া, যা মিশ্রণে অসীম সংখ্যক উপাদান অনুমোদন করে এবং মডেল গড়কে সহজতর করে।
স্তরবিন্যাসিত বেইজিয়ান মডেল
একটি মডেল কাঠামো যেখানে প্যারামিটারগুলির নিজস্ব হাইপারপ্যারামিটার সহ পূর্ববর্তী বন্টন থাকে, BMA-তে অনুরূপ মডেলগুলির মধ্যে তথ্য ভাগাভাগি করতে সক্ষম করে।
মার্কভ চেইন মন্টে কার্লো মডেল কম্পোজিশন (MC3)
মডেল নির্বাচন এবং গড় সমস্যাগুলিতে মডেলগুলির পশ্চাত্পর সম্ভাবনা অনুমান করার জন্য মডেল স্পেস অন্বেষণকারী নমুনা অ্যালগরিদম।
রিভার্সিবল জাম্প MCMC
MCMC অ্যালগরিদমের একটি সম্প্রসারণ যা বিভিন্ন মাত্রার প্যারামিটার স্পেসের মধ্যে চলাচল করতে সক্ষম করে, পরিবর্তনশীল জটিলতার মডেলগুলিতে বেইজিয়ান অনুমানের জন্য অপরিহার্য।
বেইজ ফ্যাক্টর
দুটি প্রতিদ্বন্দ্বী মডেলের প্রমাণের অনুপাত, বেইজিয়ান কাঠামোতে একটি মডেলের তুলনায় অন্য মডেলের পক্ষে ডেটা দ্বারা প্রদত্ত সমর্থন পরিমাপ করে।
পূর্বাভাসমূলক পশ্চাত্পর
ভবিষ্যত পর্যবেক্ষণের পূর্বাভাসমূলক বন্টন যা প্যারামিটার এবং মডেল অনিশ্চয়তা একীভূত করে, শক্তিশালী পূর্বাভাস দেওয়ার জন্য BMA-এর ভিত্তিপ্রস্তর।
মডেল স্পেস
BMA বিশ্লেষণে বিবেচিত সকল প্রার্থী মডেলের সমষ্টি, যা প্রসঙ্গ এবং সমস্যার সীমাবদ্ধতার উপর নির্ভর করে সসীম বা অসীম হতে পারে।
স্পাইক-এন্ড-স্ল্যাব প্রাইর
রিগ্রেশন সহগগুলির জন্য মিশ্রণ পূর্ব-বন্টন, যা শূন্যে একটি পয়েন্ট ভর (স্পাইক) এবং একটি অবিচ্ছিন্ন বন্টন (স্ল্যাব) একত্রিত করে, BMA-তে ভেরিয়েবল নির্বাচন সহজতর করে।
বেইজিয়ান মডেল কম্বিনেশন
BMA-এর একটি সম্প্রসারণ যেখানে মডেলগুলির সমন্বয় ওজনগুলিকে নিজেদেরকে এলোমেলো প্যারামিটার হিসাবে বিবেচনা করা হয় পূর্ব-বন্টন সহ, যা সমষ্টিকরণের উপর আরও নমনীয় অনুমান অনুমোদন করে।