एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
बहुपद प्रतिगमन
एक गैर-रेखीय प्रतिगमन तकनीक जो एक से अधिक डिग्री के बहुपद फ़ंक्शन का उपयोग करके चरों के बीच संबंध को मॉडल करती है। यह गुणांकों के लिए रैखिक ढांचे के भीतर रहते हुए जटिल संबंधों को कैप्चर करने की अनुमति देता है।
वैंडरमोंड आव्यूह
बहुपद प्रतिगमन में उपयोग की जाने वाली आव्यूह संरचना जहां प्रत्येक कॉलम स्वतंत्र चर की बढ़ती हुई शक्ति का प्रतिनिधित्व करता है। यह गैर-रेखीय समस्या को गुणांकों में एक रैखिक समस्या में बदल देता है।
बहुपद की डिग्री
बहुपद मॉडल की जटिलता निर्धारित करने वाला पैरामीटर, जो समीकरण में उच्चतम घातांक से मेल खाता है। उच्च डिग्री लचीलेपन को बढ़ाती है लेकिन ओवरफिटिंग का जोखिम होता है।
बहुपद ओवरफिटिंग
एक ऐसी घटना जहां बहुत ऊंची डिग्री का बहुपद प्रशिक्षण डेटा के लिए अत्यधिक अनुकूल हो जाता है, अंतर्निहित प्रवृत्ति के बजाय शोर को कैप्चर करता है। यह प्रशिक्षण में उत्कृष्ट प्रदर्शन लेकिन खराब सामान्यीकरण द्वारा प्रकट होता है।
रिज रेग्युलराइजेशन
बहुपद गुणांकों पर लागू L2 दंड विधि जो उनके परिमाण को नियंत्रित करने और ओवरफिटिंग को रोकने के लिए है। यह गुणांकों के वर्ग के समानुपाती एक दंड पद लागत फ़ंक्शन में जोड़ता है।
लैसो रेग्युलराइजेशन
एक L1 दंड तकनीक जो कुछ बहुपद गुणांकों को शून्य की ओर धक्का देती है, इस प्रकार स्वचालित चर चयन करती है। यह अप्रासंगिक बहुपद पदों को खत्म करने के लिए विशेष रूप से उपयोगी है।
इंटरैक्शन टर्म
एक बहुपद मॉडल में भविष्यवाणी चरों का उत्पाद जो विशेषताओं के बीच सिनर्जिस्टिक प्रभाव को कैप्चर करता है। ये पद उन संबंधों को मॉडल करने की अनुमति देते हैं जहां एक चर का प्रभाव दूसरे के स्तर पर निर्भर करता है।
के-फोल्ड क्रॉस वैलिडेशन
एक मजबूत मूल्यांकन तकनीक जो बहुपद मॉडल के प्रदर्शन का अनुमान लगाने के लिए डेटा को K उप-समूहों में विभाजित करती है। यह सत्यापन त्रुटि को कम करके इष्टतम डिग्री का चयन करने की अनुमति देता है।
बहुचर बहुसंरेखता
एक ही चर से व्युत्पन्न बहुचर पदों के बीच उच्च सहसंबंध, विशेष रूप से उच्च घात के बहुचर के लिए समस्याग्रस्त। यह गुणांकों के अनुमान को अस्थिर कर सकता है और अक्सर मानकीकरण की आवश्यकता होती है।
ऑर्थोगोनल बहुचर
बहुचरों का परिवार (लीजेंड्र, चेबीशेव) जहाँ पद एक विशिष्ट अंतराल पर गणितीय रूप से ऑर्थोगोनल होते हैं। वे बहुसंरेखता को कम करते हैं और प्रतिगमन की संख्यात्मक स्थिरता में सुधार करते हैं।
बहुचर परिवर्तन
मौजूदा चरों को विभिन्न घातों में बढ़ाकर और इंटरैक्शन पदों को उत्पन्न करके नई विशेषताएँ बनाने की प्रक्रिया। यह गैर-रेखीय संबंधों को पकड़ने के लिए विशेषता स्थान को बदलता है।
बहुचर सीखने वक्र
विभिन्न बहुचर घातों के लिए नमूना आकार के अनुसार प्रशिक्षण और सत्यापन त्रुटियों के विकास को दर्शाने वाला ग्राफ। यह ओवरफिटिंग या अंडरफिटिंग का निदान करने में मदद करता है।
भारित न्यूनतम वर्ग विधि
न्यूनतम वर्ग प्रतिगमन का एक वेरिएंट जहाँ प्रत्येक अवलोकन को उसकी विश्वसनीयता या विचरण के आधार पर एक भार मिलता है। यह विशेष रूप से उपयोगी है जब बहुचर डेटा में हेटरोस्केडास्टिसिटी मौजूद हो।
फीचर्स स्केलिंग बहुचर
बहुचर परिवर्तन से पहले चरों का मानकीकरण या सामान्यीकरण ताकि संख्यात्मक अस्थिरताओं से बचा जा सके। यह बहुचर के विभिन्न घातों के बीच पैमाने की समस्याओं को रोकता है।