एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
One-vs-Rest (OvR)
Stratégie de décomposition de la classification multi-classe en plusieurs classificateurs binaires, où chaque classificateur distingue une classe contre toutes les autres.
One-vs-One (OvO)
Approche qui entraîne un classificateur binaire pour chaque paire de classes possibles, nécessitant n(n-1)/2 classificateurs pour n classes.
Matrice de confusion multi-classe
Tableau NxN où N est le nombre de classes, affichant les prédictions correctes et incorrectes du modèle pour évaluer sa performance de classification.
Score F1 macro
Moyenne non pondérée des scores F1 de chaque classe, traitant toutes les classes de manière égale quelle que soit leur fréquence dans le jeu de données.
Score F1 micro
Métrique qui calcule le score F1 globalement en comptant le total des vrais positifs, faux négatifs et faux positifs à travers toutes les classes.
Score F1 weighted
Moyenne pondérée des scores F1 par classe, où chaque classe contribue proportionnellement à son nombre d'échantillons dans le jeu de données.
Logits
Scores bruts non normalisés produits par la dernière couche d'un réseau de neurones avant l'application de la fonction softmax pour la classification multi-classe.
Cross-entropy multi-classe
Fonction de perte qui mesure la divergence entre la distribution de probabilité prédite et la distribution réelle des étiquettes dans un contexte multi-classe.
स्तरीय नमूनाकरण
एक नमूनाकरण तकनीक जो प्रशिक्षण और परीक्षण उप-समूहों में वर्गों के अनुपात को संरक्षित करती है ताकि वितरण पूर्वाग्रह से बचा जा सके।
वर्ग असंतुलन
ऐसी स्थिति जहां डेटासेट में वर्ग समान रूप से प्रस्तुत नहीं होते हैं, जिससे सीखना बहुसंख्यक वर्गों की ओर पक्षपातपूर्ण हो सकता है।
यादृच्छिक अंडरसैंपलिंग
एक उप-नमूनाकरण विधि जो वर्ग वितरण को संतुलित करने के लिए बहुसंख्यक वर्गों के नमूनों की संख्या को यादृच्छिक रूप से कम करती है।
यादृच्छिक ओवरसैंपलिंग
एक ओवर-नमूनाकरण दृष्टिकोण जो बहुसंख्यक वर्गों के साथ संतुलन प्राप्त करने के लिए अल्पसंख्यक वर्गों के नमूनों को यादृच्छिक रूप से डुप्लिकेट करता है।
बहु-वर्ग परिशुद्धता
एक मेट्रिक जो प्रति वर्ग परिशुद्धता के औसत के रूप में गणना की जाती है, जहां एक वर्ग की परिशुद्धता सकारात्मक भविष्यवाणियों के कुल पर सच्चे सकारात्मक का अनुपात है।
बहु-वर्ग रिकॉल
एक मेट्रिक जो प्रति वर्ग रिकॉल के औसत का प्रतिनिधित्व करती है, प्रत्येक वर्ग के लिए सभी प्रासंगिक नमूनों की पहचान करने की मॉडल की क्षमता को मापती है।
बहु-वर्ग ROC वक्र
बहु-वर्ग वर्गीकरण के लिए ROC वक्र का विस्तार, आमतौर पर One-vs-Rest या मैक्रो-औसत दृष्टिकोण का उपयोग करके गणना की जाती है।
बहु-वर्ग AUC
बहु-वर्ग समस्याओं के लिए ROC वक्र के तहत क्षेत्रफल, One-vs-Rest दृष्टिकोण के अनुसार बाइनरी AUC के औसत के रूप में गणना की जाती है।
बहु-वर्ग निर्णय वृक्ष
नियम-आधारित एल्गोरिदम जो विभिन्न वर्गों के अनुरूप पत्तियां बनाने के लिए विशेषता स्थान को पुनरावर्ती रूप से विभाजित करते हैं।
बहु-वर्ग लॉजिस्टिक रिग्रेशन
K संभावित वर्गों में से प्रत्येक में संबंधन की संभावना को मॉडल करने के लिए सॉफ्टमैक्स फ़ंक्शन का उपयोग करके लॉजिस्टिक रिग्रेशन का विस्तार।
बहु-वर्ग SVM
बहु-वर्ग वर्गीकरण के लिए अनुकूलित समर्थन वेक्टर मशीनें, आमतौर पर वन-वर्सेस-रेस्ट या वन-वर्सेस-वन रणनीतियों के माध्यम से लागू की जाती हैं।
बहु-वर्ग KNN
k निकटतम पड़ोसी एल्गोरिदम जो एक नए अवलोकन को उसके k निकटतम पड़ोसियों में से बहुमत वर्ग के अनुसार वर्गीकृत करता है।
बहु-वर्ग Naïve Bayes
बेय्स प्रमेय पर आधारित सशर्त स्वतंत्रता की धारणा के साथ प्रायिकता वर्गीकारक, जो स्वाभाविक रूप से बहु-वर्ग समस्याओं तक विस्तारित है।
बहु-वर्ग रैंडम फॉरेस्ट
बूटस्ट्रैप उप-नमूनों पर प्रशिक्षित कई निर्णय वृक्षों को जोड़ने वाली एनसेंबल विधि, जिसमें बहुमत मत द्वारा वर्गीकरण होता है।