एआई शब्दावली

📖

शब्द

परिवर्तन का पता लगाना

एक एल्गोरिथ्मिक प्रक्रिया जो डेटा वितरण या चरों के बीच संबंधों में महत्वपूर्ण सांख्यिकीय परिवर्तनों की पहचान करने के लिए है। प्रारंभिक पहचान मॉडल के प्रदर्शन में गिरावट आने से पहले मॉडल अपडेट शुरू करने की अनुमति देती है।

📖

शब्द

क्रमिक ड्रिफ्ट

अवधारणात्मक ड्रिफ्ट का एक प्रकार जहां चरों के बीच संबंधों में परिवर्तन एक लंबी अवधि में धीरे-धीरे होते हैं। यह धीमी गति से होने वाला विकास पहचान को विशेष रूप से जटिल बनाता है क्योंकि इन बदलावों को सांख्यिकीय शोर के साथ भ्रमित किया जा सकता है।

📖

शब्द

अचानक ड्रिफ्ट

डेटा वितरण या चरों के बीच संबंधों में एक अचानक और महत्वपूर्ण परिवर्तन, जो बहुत कम समय में होता है। मॉडल के प्रदर्शन में गंभीर गिरावट से बचने के लिए अचानक ड्रिफ्ट की त्वरित पहचान आवश्यक है।

📖

शब्द

आवर्ती ड्रिफ्ट

एक ऐसी परिघटना जहां अस्थायी रूप से गायब होने के बाद अवधारणाएं या चरों के बीच संबंध समय-समय पर फिर से प्रकट होते हैं। आवर्ती पैटर्न की पहचान बदलावों की पूर्वानुमान करने और अनुकूलन रणनीतियों को अनुकूलित करने की अनुमति देती है।

📖

शब्द

कोवेरिएट ड्रिफ्ट

ड्रिफ्ट का एक प्रकार जहां इनपुट चरों का वितरण बदल जाता है जबकि सशर्त संबंध P(Y|X) स्थिर रहता है। यह घटना विशेष रूप से उन मॉडलों को प्रभावित करती है जो विशेषताओं के वितरण के प्रति संवेदनशील होते हैं, जैसे बेयसियन एल्गोरिदम।

📖

शब्द

प्रायरिटी ड्रिफ्ट

लक्ष्य चर P(Y) के सीमांत वितरण में परिवर्तन, बिना सशर्त संबंध P(Y|X) में किसी बदलाव के। यह ड्रिफ्ट वैश्विक भविष्यवाणियों को प्रभावित करती है लेकिन चरों के बीच स्थानीय संबंधों को बनाए रखती है।

📖

शब्द

ऑनलाइन अनुकूलन

भविष्यवक्ता मॉडल की निरंतर अद्यतन की प्रक्रिया जैसे-जैसे नए डेटा आते हैं, जो अवधारणात्मक ड्रिफ्ट का त्वरित जवाब देने की अनुमति देती है। ऑनलाइन अनुकूलन मॉडल की स्थिरता और परिवर्तनों के प्रति गतिशीलता के बीच संतुलन बनाता है।

📖

शब्द

पहचान में देरी

एक मेट्रिक जो अवधारणात्मक ड्रिफ्ट के वास्तविक होने और एल्गोरिथ्म द्वारा उसकी पहचान के बीच बीते समय को मापती है। मॉडल के प्रदर्शन में गिरावट की अवधि को कम करने के लिए न्यूनतम देरी होना महत्वपूर्ण है।

📖

शब्द

गलत-सकारात्मक दर

डिटेक्शन एल्गोरिदम द्वारा उत्पन्न ड्रिफ्ट की झूठी अलर्ट का अनुपात, जिससे मॉडल की अनावश्यक अपडेट होती है। स्थिरता बनाए रखने और संवेदनशीलता सुनिश्चित करने के लिए इस दर का अनुकूलन आवश्यक है।

📖

शब्द

पर्यवेक्षित पता लगाना

इनपुट और आउटपुट के बीच संबंध में बदलावों का सीधे विश्लेषण करने के लिए वास्तविक लेबल का उपयोग करने वाली ड्रिफ्ट पता लगाने की विधि। यह दृष्टिकोण उच्च सटीकता प्रदान करता है लेकिन इसके लिए ग्राउंड ट्रूथ की निरंतर उपलब्धता आवश्यक है।

📖

शब्द

अपर्यवेक्षित पता लगाना

लेबल का उपयोग किए बिना केवल इनपुट डेटा की विशेषताओं पर आधारित ड्रिफ्ट पता लगाने का दृष्टिकोण, आमतौर पर सांख्यिकीय वितरण में बदलावों के विश्लेषण के माध्यम से। यह विधि तब भी लागू होती है जब ग्राउंड ट्रूथ उपलब्ध नहीं होते हैं।