एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
ग्रेडिएंट बूस्टिंग
एक एनसेंबल लर्निंग तकनीक जो अनुक्रमिक रूप से भविष्यवाणी मॉडल बनाती है, जहाँ प्रत्येक नया मॉडल पिछले मॉडलों की गलतियों को ग्रेडिएंट डिसेंट के माध्यम से एक लॉस फंक्शन को ऑप्टिमाइज़ करके सुधारता है।
एडिटिव लर्निंग
ग्रेडिएंट बूस्टिंग का एक मूल सिद्धांत जहाँ अंतिम मॉडल कई कमजोर लर्नर्स की भविष्यवाणियों का एक भारित योग होता है, जिसमें प्रत्येक लर्नर को समग्र प्रदर्शन को बेहतर बनाने के लिए जोड़ा जाता है।
लर्निंग रेट
एक हाइपरपैरामीटर जो अंतिम मॉडल पर प्रत्येक कमजोर लर्नर के प्रभाव को नियंत्रित करता है, जो ओवरफिटिंग से बचने के लिए एक वेटिंग फैक्टर के रूप में काम करता है।
अवशेष (रेज़िड्यूअल्स)
वर्तमान मॉडल की भविष्यवाणी में त्रुटियाँ, जिसकी गणना देखे गए मानों और भविष्यवाणियों के बीच के अंतर से की जाती है, और ग्रेडिएंट बूस्टिंग में अगला कमजोर लर्नर इन्हीं पर प्रशिक्षित होता है।
एस्टीमेटर्स की संख्या
एक हाइपरपैरामीटर जो ग्रेडिएंट बूस्टिंग मॉडल में बनाए जाने वाले कमजोर लर्नर्स (इटरेशन्स) की संख्या को परिभाषित करता है, जो सीधे तौर पर जटिलता और प्रदर्शन को प्रभावित करता है।
एक्सजीबूस्ट (एक्सट्रीम ग्रेडिएंट बूस्टिंग)
ग्रेडिएंट बूस्टिंग का एक अनुकूलित और समानांतर कार्यान्वित संस्करण जो रेग्युलराइज़ेशन, लुप्त मानों के प्रबंधन और बेहतर दक्षता के लिए ट्री प्रूनिंग तकनीकों को एकीकृत करता है।
लाइटजीबीएम
एक ग्रेडिएंट बूस्टिंग फ्रेमवर्क जो स्तर-वार (level-wise) के बजाय पत्ती-वार (leaf-wise) वृद्धि तकनीक का उपयोग करता है, जो तेज़ प्रशिक्षण गति और कम मेमोरी खपत प्रदान करता है।
कैटबूस्ट
एक ग्रेडिएंट बूस्टिंग एल्गोरिथ्म जो कैटेगोरिकल वेरिएबल्स के कुशल प्रबंधन में विशेषज्ञता रखता है, जो ऑर्डर्ड एनकोडिंग तकनीकों और एसिमेट्रिक बूस्टिंग स्कीम का उपयोग करता है।
स्टोकास्टिक ग्रेडिएंट बूस्टिंग
ग्रेडिएंट बूस्टिंग का एक वेरिएंट जहां प्रत्येक कमजोर लर्नर को ट्रेनिंग डेटा के एक यादृच्छिक उपसमुच्चय पर प्रशिक्षित किया जाता है, जिससे पेड़ों के बीच सहसंबंध कम हो जाता है और सामान्यीकरण में सुधार होता है।
विशेषताओं का उप-नमूनाकरण
ग्रेडिएंट बूस्टिंग में एक नियमितीकरण तकनीक जिसमें प्रत्येक ट्री नोड विभाजन के लिए केवल भविष्यवाणी चरों के एक यादृच्छिक उपसमुच्चय पर विचार किया जाता है, जिससे ओवरफिटिंग सीमित होती है।
पेड़ की अधिकतम गहराई
एक हाइपरपैरामीटर जो प्रत्येक कमजोर लर्नर की जटिलता को निर्णय विभाजन की संख्या को सीमित करके नियंत्रित करता है, ग्रेडिएंट बूस्टिंग मॉडल में पूर्वाग्रह और विचरण को संतुलित करता है।
स्यूडो-अवशेष
ग्रेडिएंट बूस्टिंग में अवशेषों का सामान्यीकरण, वर्तमान भविष्यवाणियों के संबंध में हानि फलन के ऋणात्मक ढाल का प्रतिनिधित्व करता है, जो विभिन्न हानि फलनों के लिए अनुकूलन की अनुमति देता है।
रिग्रेशन बूस्टिंग
ग्रेडिएंट बूस्टिंग का रिग्रेशन समस्याओं पर अनुप्रयोग जहां लक्ष्य निरंतर मानों की भविष्यवाणी करना है, आमतौर पर वर्ग हानि या निरपेक्ष हानि फलन का उपयोग करते हुए।
वर्गीकरण बूस्टिंग
ग्रेडिएंट बूस्टिंग का वर्गीकरण समस्याओं पर अनुप्रयोग, कक्षा प्रायिकताओं के अनुकूलन का मार्गदर्शन करने के लिए लॉग-लॉस (क्रॉस-एंट्रॉपी) जैसे विशिष्ट हानि फलनों का उपयोग करते हुए।
L1/L2 नियमितीकरण
ग्रेडिएंट बूस्टिंग में हानि फलन में जोड़ी गई दंड तकनीकें जो ट्री पत्तियों के वजन की जटिलता को नियंत्रित करती हैं, ओवरफिटिंग को कम करती हैं और मजबूती में सुधार करती हैं।