एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
Adaptive Random Forest
डेटा स्ट्रीम के लिए क्लासिक रैंडम फ़ॉरेस्ट का विस्तार, जो आधार के रूप में होएफ़डिंग ट्री का उपयोग करता है और क्लासिफ़ायर्स के गतिशील पुनः भारितकरण के साथ कॉन्सेप्ट ड्रिफ्ट का पता लगाने और अनुकूलन के तंत्र को एकीकृत करता है।
Online Bagging
बूटस्ट्रैप एग्रीगेटिंग का वृद्धिशील संस्करण जहां स्ट्रीम का प्रत्येक उदाहरण पॉइसन(1) वितरण के अनुसार आधार क्लासिफ़ायर्स को अपडेट करने के लिए उपयोग किया जाता है, जिससे पूरे डेटा सेट की आवश्यकता के बिना निरंतर सीखने की अनुमति मिलती है।
STAGGER Algorithm
कॉन्सेप्ट ड्रिफ्ट प्रदर्शन के पहले एल्गोरिदम में से एक, जो भारित परिकल्पनाओं का उपयोग करता है जो सही या गलत भविष्यवाणियों के आधार पर वजन समायोजित करके अवधारणात्मक परिवर्तनों के लिए गतिशील रूप से अनुकूलित होते हैं।
SAM-KNN (Self-Adjusting Memory KNN)
डेटा स्ट्रीम के लिए k-निकटतम पड़ोसी (k-Nearest Neighbors) का एक संस्करण जो अवधारणा की स्थिरता के आधार पर अपनी मेमोरी आकार को गतिशील रूप से समायोजित करता है, और प्रतिनिधि उदाहरणों को सुरक्षित रखते हुए पुराने उदाहरणों को स्वचालित रूप से हटा देता है।
Leveraging Bagging
ऑनलाइन बैगिंग में सुधार, जो आधार क्लासिफ़ायर्स की विविधता बढ़ाने और सैद्धांतिक प्रदर्शन गारंटी के साथ अवधारणात्मक परिवर्तनों के अनुकूलन को तेज करने के लिए यादृच्छिक पुनः भारितकरण रणनीतियों को प्रस्तुत करता है।
OzaBagging
ऑनलाइन बैगिंग एल्गोरिथ्म का एक विशिष्ट कार्यान्वयन जो ओज़ा और रसेल द्वारा प्रस्तावित किया गया था, जहां स्ट्रीमिंग वातावरण में बूटस्ट्रैप प्रक्रिया का अनुकरण करने के लिए स्ट्रीम का प्रत्येक उदाहरण पॉइसन वितरण के अनुसार भारित किया जाता है।
HAT (Hoeffding Adaptive Tree)
होएफ़डिंग ट्री का विस्तार जो कॉन्सेप्ट परिवर्तन का पता लगाने के तंत्र को एकीकृत करता है, जो नोड्स के प्रदर्शन का मूल्यांकन करने के लिए ADWIN का उपयोग करता है और अप्रभावी उप-वृक्षों को नए अनुकूलित संरचनाओं से गतिशील रूप से बदल देता है।
StreamDM
डेटा स्ट्रीम पर डेटा माइनिंग के लिए एक ओपन-सोर्स फ्रेमवर्क जो स्पार्क के लिए स्काला में लागू किया गया है, जो बड़े पैमाने पर स्ट्रीम के वितरित प्रसंस्करण के लिए अनुकूलित वृद्धिशील एल्गोरिदम का एक संग्रह प्रदान करता है।
MOA (Massive Online Analysis)
इनक्रीमेंटल लर्निंग एल्गोरिदम के मूल्यांकन और विकास के लिए एक संदर्भ सॉफ्टवेयर वातावरण, जिसमें कृत्रिम स्ट्रीम उत्पादन के उपकरण और कॉन्सेप्ट ड्रिफ्ट के अनुकूल मूल्यांकन मेट्रिक्स शामिल हैं।
Accuracy Weighted Ensemble
स्ट्रीम के लिए एक एनसेंबल एल्गोरिदम जो विभिन्न अवधियों पर प्रशिक्षित वर्गीकरणकर्ताओं का एक संग्रह बनाए रखता है, और कॉन्सेप्ट ड्रिफ्ट का सामना करते हुए भविष्यवाणियों को अनुकूलित करने के लिए उनकी हालिया प्रदर्शन के आधार पर गतिशील भारांकन का उपयोग करता है।
Concept Drift Velocity
एक मेट्रिक जो डेटा स्ट्रीम में अंतर्निहित अवधारणा के विकसित होने की गति को मात्रांकित करता है, जिसका उपयोग मॉडल अपडेट की आवृत्ति और कम्प्यूटेशनल संसाधनों के आवंटन को गतिशील रूप से अनुकूलित करने के लिए किया जाता है।