এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
গড় সমষ্টি
রিগ্রেশনের জন্য একটি সমষ্টি কৌশল যেখানে সমস্ত মডেলের সংখ্যাগত পূর্বাভাসগুলিকে চূড়ান্ত পূর্বাভাস পেতে গড় করা হয়।
বেস লার্নার্স
স্বতন্ত্র মডেল (দুর্বল বা শক্তিশালী) যেগুলি বিভিন্ন বুটস্ট্র্যাপ নমুনায় প্রশিক্ষিত হয় এবং ব্যাগিংয়ের চূড়ান্ত মডেল গঠনের জন্য একত্রিত হয়।
মডেলের অস্থিরতা
অ্যালগরিদমের এমন বৈশিষ্ট্য যেখানে প্রশিক্ষণ ডেটায় ছোটখাটো পরিবর্তনের সাথে পূর্বাভাসগুলি উল্লেখযোগ্যভাবে পরিবর্তিত হয়, যা ব্যাগিং ব্যবহারের ন্যায্যতা দেয়।
আউটলায়ারগুলির প্রতি রোবাস্টনেস
ব্যাগিংয়ের বৈশিষ্ট্য যা একাধিক বেস মডেল জুড়ে তাদের প্রভাব বিতরণ করার মাধ্যমে অস্বাভাবিক মানগুলির প্রভাব হ্রাস করে।
বুটস্ট্র্যাপ নমুনার আকার
প্যারামিটার যা নমুনার অনুপাত নির্ধারণ করে (সাধারণত প্রতিস্থাপন সহ ১০০%) ব্যাগিং-এ প্রতিটি প্রশিক্ষণ উপসেট তৈরি করার জন্য নেওয়া হয়।
এস্টিমেটরের সংখ্যা
ব্যাগিং-এর মূল হাইপারপ্যারামিটার যা প্রশিক্ষণ দেওয়ার জন্য বেস মডেলের সংখ্যা নির্দিষ্ট করে, যা সরাসরি কর্মক্ষমতা এবং গণনার সময়কে প্রভাবিত করে।
সর্বোচ্চ নমুনা
প্রতিটি বুটস্ট্র্যাপের জন্য নেওয়া নমুনার ভগ্নাংশ নিয়ন্ত্রণকারী প্যারামিটার, যা ব্যাগিং-এ বায়াস-ভ্যারিয়েন্স ট্রেড-অফ সামঞ্জস্য করতে দেয়।