एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
मॉडल अज्ञेयवादी
एक व्याख्या दृष्टिकोण जो किसी भी भविष्यवाणी मॉडल के साथ काम करता है, बिना उसकी वास्तुकला या आंतरिक मापदंडों के ज्ञान की आवश्यकता के। अज्ञेयवादी विधियाँ मॉडल को एक ब्लैक बॉक्स के रूप में मानती हैं और केवल उसके इनपुट और आउटपुट पर आधारित होती हैं।
स्थानीय व्याख्या
एक विशिष्ट उदाहरण के लिए मॉडल की भविष्यवाणी की व्याख्या करने वाली व्याख्या, न कि मॉडल के वैश्विक व्यवहार की। विशेष रूप से यह समझने के लिए कि किसी विशेष निर्णय क्यों लिया गया, स्थानीय व्याख्याएँ विशेष रूप से उपयोगी होती हैं।
डेटा विघटन
एक मूल उदाहरण के मामूली परिवर्तन बनाकर सिंथेटिक डेटा के पड़ोसी सेट उत्पन्न करने की तकनीक। LIME में, ये विघटन स्थानीय सरल मॉडल के लिए प्रशिक्षण सेट बनाने के लिए काम आते हैं।
विशेषताओं का भार
मात्रात्मक माप जो मॉडल के स्थानीय निर्णय में प्रत्येक विशेषता के सापेक्ष महत्व को दर्शाते हैं। ये भार एक विशिष्ट भविष्यवाणी के लिए सबसे प्रभावशाली कारकों की पहचान करने में सक्षम बनाते हैं।
भविष्यवाणी पड़ोस
डेटा बिंदुओं का समूह जो विशेषता स्थान में मूल उदाहरण के निकट होता है, जिसका उपयोग स्थानीय सरल मॉडल सीखने के लिए किया जाता है। इस पड़ोस की परिभाषा उत्पन्न व्याख्या की प्रासंगिकता के लिए महत्वपूर्ण है।
प्रतिनिधि मॉडल
एक सरल और व्याख्यात्मक मॉडल (जैसे रैखिक प्रतिगमन या निर्णय वृक्ष) जो जटिल मॉडल के व्यवहार का स्थानीय रूप से अनुमान लगाता है। यह मॉडल व्याख्याएँ उत्पन्न करने के लिए विघटित डेटा पर प्रशिक्षित किया जाता है।
व्याख्या की निष्ठा
स्थानीय सरल मॉडल द्वारा विचारित पड़ोस में जटिल मॉडल की भविष्यवाणियों को पुनः उत्पन्न करने की सटीकता का माप। उच्च निष्ठा यह सुनिश्चित करती है कि व्याख्या मूल मॉडल के व्यवहार का विश्वसनीय रूप से प्रतिनिधित्व करती है।
खंड
डेटा का सन्निहित क्षेत्र जिसका उपयोग LIME में छवियों या पाठों पर भविष्यवाणियों की व्याख्या करने के लिए किया जाता है। खंड अधिक सुसंगत व्याख्या के लिए आसन्न पिक्सेल या शब्दों को समूहित करने में सक्षम बनाते हैं।
सुपरपिक्सेल
समान विशेषताओं (रंग, बनावट, तीव्रता) साझा करने वाले आसन्न पिक्सेलों का समूह, जो LIME में छवि स्पष्टीकरण के लिए मूल इकाई के रूप में उपयोग किया जाता है। सुपरपिक्सेल संगणनात्मक जटिलता को कम करते हुए प्रासंगिक दृश्य जानकारी को संरक्षित करते हैं।
प्रासंगिकता स्कोर
प्रत्येक विशेषता या खंड को दिया गया संख्यात्मक मान जो स्थानीय पूर्वानुमान पर इसके प्रभाव को दर्शाता है। यह स्कोर मॉडल के निर्णय लेने में सबसे महत्वपूर्ण तत्वों को प्राथमिकता देने की अनुमति देता है।
समानता कर्नेल
गणितीय फ़ंक्शन जो मूल उदाहरण और विशेषता स्थान में विक्षुब्ध उदाहरणों के बीच निकटता को परिभाषित करता है। यह कर्नेल स्थानीय मॉडल के सीखने में बिंदुओं के महत्व को भारित करता है।
प्रतितथ्यात्मक स्पष्टीकरण
स्पष्टीकरण का प्रकार जो दर्शाता है कि यदि कुछ विशेषताएं बदल दी जाएं तो पूर्वानुमान कैसे बदल जाएगा। LIME के पूरक के रूप में, यह दृष्टिकोण एक अलग पूर्वानुमान प्राप्त करने के लिए आवश्यक शर्तों को समझने में मदद करता है।
स्पष्टीकरण स्थिरता
समान उदाहरणों या कई निष्पादनों के लिए उत्पन्न स्पष्टीकरणों की स्थिरता का माप। उत्पादित स्पष्टीकरणों में विश्वास के लिए अच्छी स्थिरता आवश्यक है।
प्रभाव क्षेत्र
विशेषता स्थान में वह क्षेत्र जहां स्थानीय स्पष्टीकरण मान्य रहता है और जटिल मॉडल के व्यवहार के प्रति वफादार रहता है। स्पष्टीकरण के दायरे का मूल्यांकन करने के लिए इस क्षेत्र का निर्धारण महत्वपूर्ण है।
स्पष्टीकरण जटिलता
स्थानीय स्पष्टीकरण में उपयोग की जाने वाली विशेषताओं या खंडों की संख्या, जो अक्सर व्याख्यात्मकता बनाए रखने के लिए सीमित होती है। प्रभावी स्पष्टीकरण के लिए वफादारी और सरलता के बीच समझौता किया जाना चाहिए।
हीट मैप
विज़ुअलाइज़ेशन जो मॉडल के पूर्वानुमान में छवि के विभिन्न क्षेत्रों के महत्व को स्थानिक रूप से दर्शाता है। LIME में, हीट मैप प्रभावशाली क्षेत्रों को उजागर करने के लिए प्रासंगिकता स्कोर का उपयोग करते हैं।