एआई शब्दावली

📖

शब्द

रैखिक प्रतिगमन

एक सांख्यिकीय मॉडल जो अवशेषों के वर्गों के योग को न्यूनतम करके एक आश्रित चर और एक या अधिक स्वतंत्र चरों के बीच एक रैखिक संबंध स्थापित करता है। यह मॉडल एक सफेद बॉक्स माना जाता है क्योंकि गुणांकों को सीधे पूर्वानुमान पर प्रत्येक चर के प्रभाव के रूप में व्याख्या किया जा सकता है।

📖

शब्द

के-निकटतम पड़ोसी (KNN)

एक पर्यवेक्षित शिक्षण एल्गोरिदम जो विशेषता स्थान में अपने k निकटतम पड़ोसियों के बहुमत वर्ग के आधार पर एक नए नमूने को वर्गीकृत करता है। यह मॉडल पूरी तरह से व्याख्यात्मक है क्योंकि निर्णय के लिए उपयोग किए गए पड़ोसियों को स्पष्ट रूप से दिखाकर पूर्वानुमानों की व्याख्या की जा सकती है।

📖

शब्द

साहचर्य नियम

बड़े डेटाबेस में चरों के बीच संबंधों को खोजने की एक विधि, जो आमतौर पर समर्थन और विश्वास माप के साथ यदि-तब के रूप में प्रस्तुत की जाती है। ये नियम स्वाभाविक रूप से व्याख्यात्मक हैं क्योंकि वे विशेषताओं के बीच सीधे समझने योग्य तार्किक संबंध व्यक्त करते हैं।

📖

शब्द

सामान्यीकृत रैखिक मॉडल (GLM)

रैखिक प्रतिगमन का विस्तार जो सामान्य के अलावा अन्य प्रतिक्रिया वितरण और गैर-रैखिक लिंक फ़ंक्शन की अनुमति देता है, जबकि एक योगात्मक संरचना बनाए रखता है। GLM व्याख्यात्मक बने रहते हैं क्योंकि प्रत्येक पूर्वानुमानकर्ता के सीमांत प्रभाव को प्रकट करने के लिए गुणांकों को रूपांतरित किया जा सकता है।

📖

शब्द

सामान्यीकृत योगात्मक मॉडल (GAM)

GLM का विस्तार जहां पूर्वानुमान व्यक्तिगत चरों के चिकने फ़ंक्शनों का योग होता है न कि रैखिक पदों का। GAM उच्च व्याख्यात्मकता प्रदान करते हैं क्योंकि वे गैर-रैखिक संबंधों को पकड़ते हुए भी पूर्वानुमान पर प्रत्येक चर के प्रभाव को अलग-अलग देखने की अनुमति देते हैं।

📖

शब्द

रैखिक विभेदक विश्लेषण (LDA)

वर्गीकरण की एक विधि जो दो या अधिक वर्गों को अलग करने के लिए विशेषताओं के एक रैखिक संयोजन को खोजने का प्रयास करती है, वर्गों के बीच विचरण और वर्ग-अंदर विचरण के अनुपात को अधिकतम करके। व्याख्यात्मकता आइजेनवेक्टर से आती है जो विशेषता स्थान में सबसे अधिक विभेदक दिशाओं को इंगित करते हैं।

📖

शब्द

CART वृक्ष

निर्णय वृक्षों के निर्माण के लिए एक एल्गोरिदम जो वर्गीकरण के लिए जिनी इंडेक्स और प्रतिगमन के लिए माध्य वर्ग त्रुटि का उपयोग करता है, प्रत्येक नोड पर द्विआधारी विभाजन के साथ। CART वृक्षों की द्विआधारी संरचना निर्णय पथों और निकाले गए नियमों की व्याख्या को आसान बनाती है।

📖

शब्द

ID3 एल्गोरिदम

निर्णय वृक्षों के निर्माण के लिए एक ऐतिहासिक एल्गोरिदम जो विभाजन विशेषताओं का चयन करने के लिए एन्ट्रॉपी पर आधारित सूचना लाभ का उपयोग करता है। ID3 अत्यधिक व्याख्यात्मक वृक्ष उत्पन्न करता है जहां प्रत्येक पथ द्विआधारी या बहु-वर्ग परीक्षणों पर आधारित एक स्पष्ट निर्णय नियम का प्रतिनिधित्व करता है।

📖

शब्द

एल्गोरिदम C4.5

ID3 एल्गोरिदम का सुधार जो कई मूल्यों वाली विशेषताओं के प्रति पक्षपात से बचने के लिए सूचना लाभ अनुपात का उपयोग करता है, और निरंतर विशेषताओं और लापता मूल्यों को संभालता है। C4.5 निर्णय प्रक्रिया की पूर्ण व्याख्यात्मकता को संरक्षित करते हुए अनुकूलित निर्णय वृक्ष उत्पन्न करता है।

📖

शब्द

एल्गोरिदम CHAID

निर्णय वृक्ष निर्माण एल्गोरिदम जो श्रेणीबद्ध चर के लिए ची-स्क्वायर परीक्षण और निरंतर चर के लिए F परीक्षण का उपयोग करता है, जिसमें द्विआधारी के बजाय बहु-मार्ग विभाजन होते हैं। CHAID सर्वेक्षण और विपणन डेटा के लिए विशेष रूप से व्याख्यात्मक वृक्ष उत्पन्न करता है।

📖

शब्द

निर्णय सूची

वर्गीकरण संरचना जिसे IF-THEN नियमों के क्रमबद्ध अनुक्रम के रूप में दर्शाया जाता है, जहां प्रत्येक नियम को क्रमिक रूप से तब तक परखा जाता है जब तक कि एक संतुष्ट न हो जाए। निर्णय सूचियां वृक्षों की तुलना में श्रेष्ठ व्याख्यात्मकता प्रदान करती हैं क्योंकि वे एक जटिल वृक्ष संरचना के बजाय एक रैखिक निर्णय प्रवाह प्रस्तुत करती हैं।

📖

शब्द

नियम-आधारित मॉडल

वर्गीकरण या प्रतिगमन प्रणाली जो भविष्यवाणियां करने के लिए तार्किक नियमों के समुच्चय का उपयोग करती है, जो अक्सर कवरिंग समुच्चय या निर्णय सूची में संगठित होती है। ये मॉडल सबसे अधिक व्याख्यात्मक होते हैं क्योंकि प्रत्येक भविष्यवाणी को गैर-विशेषज्ञों द्वारा समझे जा सकने वाले एक या अधिक स्पष्ट नियमों द्वारा समझाया जा सकता है।

📖

शब्द

सरल पर्सेप्ट्रॉन

द्विआधारी रैखिक वर्गीकरण एल्गोरिदम जो वर्गीकरण त्रुटियों के आधार पर वजनों को पुनरावृत्त रूप से समायोजित करके एक विभाजक हाइपरप्लेन सीखता है। यद्यपि सरल, पर्सेप्ट्रॉन व्याख्यात्मक बना रहता है क्योंकि प्रत्येक विशेषता के प्रभाव के महत्व और दिशा को समझने के लिए वजनों की जांच की जा सकती है।

📖

शब्द

पॉइसन प्रतिगमन

गिनती डेटा के लिए प्रतिगमन मॉडल जो मानता है कि प्रतिक्रिया चर पॉइसन वितरण का पालन करता है, जिसमें माध्य फ़ंक्शन के लिए लघुगणक लिंक होता है। मॉडल के घातांकीय गुणांक अपेक्षित घटना दरों के गुणकों के रूप में सीधी व्याख्या की अनुमति देते हैं।

📖

शब्द

स्टोकेस्टिक ग्रेडिएंट बूस्टिंग (SGB)

एन्सेम्बल विधि जो सरल व्याख्यात्मक मॉडलों (अक्सर उथले वृक्षों) को पिछले मॉडल की त्रुटियों को सुधारने के लिए प्रत्येक नए मॉडल को क्रमिक रूप से निर्मित करके जोड़ती है। यद्यपि शक्तिशाली, उथले वृक्षों वाला SGB प्रत्येक व्यक्तिगत वृक्ष के योगदान के माध्यम से कुछ व्याख्यात्मकता बनाए रखता है।