এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
Out-of-Bag Error
Erreur de validation calculée sur les observations non sélectionnées lors d'un échantillonnage bootstrap, constituant une estimation non biaisée de l'erreur de généralisation du modèle. L'OOB error sert d'alternative à la validation croisée dans les méthodes d'ensemble comme Random Forest.
Bootstrap Aggregating (Bagging)
Méthode d'ensemble qui entraîne multiples modèles sur différents échantillons bootstrap et combine leurs prédictions par vote majoritaire ou moyennage pour réduire la variance et améliorer la stabilité prédictive. Bagging est particulièrement efficace pour les algorithmes instables comme les arbres de décision.
Bootstrap Confidence Interval
Intervalle de confiance estimé par rééchantillonnage bootstrap pour quantifier l'incertitude des paramètres du modèle ou des métriques de performance. Plusieurs méthodes existent : percentile, BCa, et basic bootstrap intervals.
Jackknife Validation
Technique de rééchantillonnage systématique où chaque observation est omise tour à tour pour estimer le biais et la variance d'un estimateur, considérée comme une approximation du bootstrap. Le jackknife est moins coûteux computationnellement mais moins flexible que le bootstrap.
Permutation Validation
Méthode de validation non paramétrique qui évalue la significativité statistique d'un modèle en permutant aléatoirement les étiquettes cibles pour créer une distribution nulle de performance. Cette technique permet de tester si le modèle apprend réellement des patterns significatifs.
Bootstrap Bias Correction
Procédure utilisant le bootstrap pour estimer et corriger le biais d'un estimateur ou d'une métrique d'évaluation du modèle. Cette correction améliore la précision des estimations particulièrement sur les petits échantillons.
BCa Bootstrap (Bias-Corrected and Accelerated)
Méthode bootstrap avancée qui ajuste les intervalles de confiance en corrigeant le biais et l'accélération (skewness) de la distribution bootstrap. BCa fournit des intervalles plus précis que la méthode percentile standard.
Parametric Bootstrap
Variante du bootstrap où les échantillons sont générés à partir d'une distribution paramétrique ajustée aux données plutôt qu'un rééchantillonnage direct. Cette méthode est utile lorsque le modèle sous-jacent des données est connu ou supposé.
নন-প্যারামেট্রিক বুটস্ট্র্যাপ
ক্লাসিক বুটস্ট্র্যাপ পদ্ধতি যা অন্তর্নিহিত বন্টন সম্পর্কে কোনো অনুমান না করে সরাসরি পর্যবেক্ষণকৃত ডেটা থেকে প্রতিস্থাপন সহ পুনরায় নমুনা নেয়। এই পদ্ধতিটি আরও নমনীয় এবং বন্টনগত অনুমান লঙ্ঘনের প্রতি শক্তিশালী।
বুটস্ট্র্যাপ স্যাম্পলিং ডিস্ট্রিবিউশন
একাধিক বুটস্ট্র্যাপ নমুনায় একটি পরিসংখ্যান গণনা করে প্রাপ্ত একটি পরিসংখ্যানের অভিজ্ঞতামূলক বন্টন, যা অনুমানকারীর পরিবর্তনশীলতা এবং অ্যাসিম্পটোটিক বৈশিষ্ট্য অনুমান করতে দেয়। এই বন্টন বুটস্ট্র্যাপ অনুমানের ভিত্তি হিসেবে কাজ করে।
বুটস্ট্র্যাপ স্ট্যান্ডার্ড এরর
একটি পরিসংখ্যানের স্ট্যান্ডার্ড ত্রুটির অনুমান যা এর বুটস্ট্র্যাপ বন্টনের স্ট্যান্ডার্ড বিচ্যুতি হিসাবে গণনা করা হয়, যা বন্টনগত অনুমানের প্রতি শক্তিশালী সঠিকতার পরিমাপ প্রদান করে। এই অনুমান জটিল পরিসংখ্যানের জন্য বিশেষভাবে উপযোগী।
বুটস্ট্র্যাপ হাইপোথিসিস টেস্টিং
নাল হাইপোথিসিস অধীনে বন্টন তৈরি করতে বুটস্ট্র্যাপ ব্যবহার করে এবং নন-প্যারামেট্রিকভাবে পি-ভ্যালু গণনা করে হাইপোথিসিস পরীক্ষার পদ্ধতি। এই পদ্ধতি অ্যাসিম্পটোটিক আনুমানিকতা এড়ায় এবং জটিল টেস্ট পরিসংখ্যানের সাথে কাজ করে।
বুটস্ট্র্যাপ মডেল সিলেকশন
বুটস্ট্র্যাপ ব্যবহার করে একাধিক পুনঃনমুনায় বিভিন্ন প্রার্থী মডেলের স্থিতিশীলতা এবং তুলনামূলক কর্মক্ষমতা মূল্যায়নের মাধ্যমে মডেল নির্বাচনের প্রক্রিয়া। এই পদ্ধতি নির্বাচন প্রক্রিয়া নিজেই অনিশ্চয়তা পরিমাপ করে।
বুটস্ট্র্যাপ পাওয়ার অ্যানালাইসিস
বিভিন্ন হাইপোথেটিকাল বিকল্প অধীনে একাধিক বুটস্ট্র্যাপ নমুনা সিমুলেট করে একটি টেস্ট বা মডেলের পরিসংখ্যানগত শক্তি মূল্যায়ন। এই পদ্ধতি সীমাবদ্ধ বন্টনগত অনুমান ছাড়াই প্রয়োজনীয় নমুনা আকার অনুমান করতে দেয়।
বুটস্ট্র্যাপ ক্যালিব্রেশন
ক্যালিব্রেশন বায়াস অনুমান এবং সংশোধন করতে বুটস্ট্র্যাপ ব্যবহার করে একটি শ্রেণীবিভাগ মডেল দ্বারা ভবিষ্যদ্বাণী করা সম্ভাব্যতা সামঞ্জস্য করার কৌশল। এই পদ্ধতি মডেলের সম্ভাব্যতা স্কোরের নির্ভরযোগ্যতা উন্নত করে।
বুটস্ট্র্যাপ এনসেম্বল মেথডস
ভবিষ্যদ্বাণীর ভ্যারিয়েন্স কমাতে বুটস্ট্র্যাপ এবং সমষ্টিকরণ একত্রিত করে অ্যালগরিদমের পরিবার, যার মধ্যে র্যান্ডম ফরেস্ট, এক্সট্রা ট্রিস এবং বুটস্ট্র্যাপ নমুনা ভিত্তিক অন্যান্য পদ্ধতি অন্তর্ভুক্ত। এই পদ্ধতিগুলি পুনঃনমুনা দ্বারা তৈরি বৈচিত্র্য ব্যবহার করে।
বুটস্ট্র্যাপ বৈশিষ্ট্য গুরুত্ব
একাধিক বুটস্ট্র্যাপ নমুনার মাধ্যমে মডেলের কার্যকারিতার উপর তাদের প্রভাব পরিমাপ করে ভেরিয়েবলের গুরুত্ব মূল্যায়ন, গুরুত্বের জন্য আত্মবিশ্বাসের ব্যবধান প্রদান। এই পদ্ধতিটি বৈশিষ্ট্যগুলির গুরুত্বের স্থিতিশীলতা পরিমাপ করে।
বুটস্ট্র্যাপ মডেল স্থিতিশীলতা
বিভিন্ন বুটস্ট্র্যাপ নমুনার মাধ্যমে মডেলের পূর্বাভাস বা পরামিতিগুলির সামঞ্জস্য দ্বারা মূল্যায়ন করা একটি মডেলের দৃঢ়তার পরিমাপ। বাস্তব মডেল স্থাপনে আত্মবিশ্বাসের জন্য স্থিতিশীলতা অত্যন্ত গুরুত্বপূর্ণ।
বুটস্ট্র্যাপ.৬৩২+
বুটস্ট্র্যাপের একটি উন্নত বৈকল্পিক যা ০.৬৩২ ওজন সহ বুটস্ট্র্যাপ ত্রুটি এবং আপাত ত্রুটি একত্রিত করে ত্রুটি অনুমানের আশাবাদী পক্ষপাত সংশোধন করে, ওভারফিটিংয়ের জন্য সামঞ্জস্য করা। এই পদ্ধতি আরও সঠিক ত্রুটি অনুমান প্রদান করে।