एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
आउट-ऑफ-बैग त्रुटि
बूटस्ट्रैप नमूनाकरण के दौरान चयनित नहीं की गई टिप्पणियों पर गणना की गई सत्यापन त्रुटि, जो मॉडल की सामान्यीकरण त्रुटि का एक निष्पक्ष अनुमान बनाती है। OOB त्रुटि रैंडम फॉरेस्ट जैसी समूह विधियों में क्रॉस-वैलिडेशन के विकल्प के रूप में कार्य करती है।
बूटस्ट्रैप एग्रीगेशन (बैगिंग)
एक समूह विधि जो विभिन्न बूटस्ट्रैप नमूनों पर कई मॉडलों को प्रशिक्षित करती है और उनकी भविष्यवाणियों को बहुमत वोट या औसतन द्वारा संयोजित करती है, ताकि विचरण को कम किया जा सके और भविष्यवाणी स्थिरता में सुधार किया जा सके। बैगिंग निर्णय वृक्ष जैसे अस्थिर एल्गोरिदम के लिए विशेष रूप से प्रभावी है।
बूटस्ट्रैप कॉन्फिडेंस इंटरवल
मॉडल पैरामीटर या प्रदर्शन मेट्रिक्स की अनिश्चितता को मात्रात्मक रूप से प्रस्तुत करने के लिए बूटस्ट्रैप पुनर्नमूनाकरण द्वारा अनुमानित कॉन्फिडेंस इंटरवल। कई विधियाँ मौजूद हैं: पर्सेंटाइल, BCa, और बेसिक बूटस्ट्रैप इंटरवल।
जैकनाइफ सत्यापन
व्यवस्थित पुनर्नमूनाकरण तकनीक जहाँ प्रत्येक टिप्पणी को एक-एक करके छोड़ा जाता है ताकि एक अनुमानक के पूर्वाग्रह और विचरण का अनुमान लगाया जा सके, जिसे बूटस्ट्रैप का सन्निकटन माना जाता है। जैकनाइफ कम्प्यूटेशनल रूप से कम खर्चीला है लेकिन बूटस्ट्रैप की तुलना में कम लचीला है।
परम्यूटेशन सत्यापन
गैर-पैरामीट्रिक सत्यापन विधि जो लक्ष्य लेबलों को यादृच्छिक रूप से परिवर्तित करके एक मॉडल की सांख्यिकीय महत्व का मूल्यांकन करती है, ताकि प्रदर्शन का एक शून्य वितरण बनाया जा सके। यह तकनीक यह परीक्षण करने की अनुमति देती है कि क्या मॉडल वास्तव में सार्थक पैटर्न सीख रहा है।
बूटस्ट्रैप बायस करेक्शन
बूटस्ट्रैप का उपयोग करने वाली प्रक्रिया जो एक अनुमानक या मॉडल मूल्यांकन मेट्रिक के पूर्वाग्रह का अनुमान लगाती है और उसे सही करती है। यह सुधार विशेष रूप से छोटे नमूनों पर अनुमानों की सटीकता में सुधार करता है।
BCa बूटस्ट्रैप (बायस-करेक्टेड एंड एक्सेलेरेटेड)
उन्नत बूटस्ट्रैप विधि जो पूर्वाग्रह और बूटस्ट्रैप वितरण की तिरछाप (स्क्यूनेस) को सही करके कॉन्फिडेंस इंटरवल को समायोजित करती है। BCa मानक पर्सेंटाइल विधि की तुलना में अधिक सटीक इंटरवल प्रदान करता है।
पैरामीट्रिक बूटस्ट्रैप
बूटस्ट्रैप का एक प्रकार जहाँ नमूने सीधे पुनर्नमूनाकरण के बजाय डेटा के लिए समायोजित पैरामीट्रिक वितरण से उत्पन्न होते हैं। यह विधि तब उपयोगी होती है जब डेटा का अंतर्निहित मॉडल ज्ञात या माना जाता है।
नॉन-पैरामीट्रिक बूटस्ट्रैप
क्लासिक बूटस्ट्रैप दृष्टिकोण जो अंतर्निहित वितरण के बारे में धारणाएँ बनाए बिना प्रेक्षित डेटा से सीधे प्रतिस्थापन के साथ पुनः नमूना लेता है। यह विधि वितरण संबंधी धारणाओं के उल्लंघन के प्रति अधिक लचीली और मजबूत है।
बूटस्ट्रैप सैंपलिंग डिस्ट्रीब्यूशन
एक सांख्यिकी का अनुभवजन्य वितरण जो कई बूटस्ट्रैप नमूनों पर इस सांख्यिकी की गणना करके प्राप्त किया जाता है, जो अनुमानक की परिवर्तनशीलता और स्पर्शोन्मुख गुणों का आकलन करने की अनुमति देता है। यह वितरण बूटस्ट्रैप अनुमानों का आधार के रूप में कार्य करता है।
बूटस्ट्रैप स्टैंडर्ड एरर
एक सांख्यिकी की मानक त्रुटि का आकलन जिसकी गणना इसके बूटस्ट्रैप वितरण के मानक विचलन के रूप में की जाती है, जो वितरण संबंधी धारणाओं के प्रति मजबूत सटीकता का माप प्रदान करता है। यह आकलन जटिल सांख्यिकी के लिए विशेष रूप से उपयोगी है।
बूटस्ट्रैप हाइपोथिसिस टेस्टिंग
शून्य परिकल्पना के तहत वितरण उत्पन्न करने और गैर-पैरामीट्रिक तरीके से p-मानों की गणना करने के लिए बूटस्ट्रैप का उपयोग करने वाली परिकल्पना परीक्षण दृष्टिकोण। यह विधि स्पर्शोन्मुख सन्निकटन से बचती है और जटिल परीक्षण सांख्यिकी के साथ काम करती है।
बूटस्ट्रैप मॉडल सिलेक्शन
मॉडल चयन की प्रक्रिया जो कई पुनः नमूनों पर विभिन्न उम्मीदवार मॉडलों की स्थिरता और तुलनात्मक प्रदर्शन का मूल्यांकन करने के लिए बूटस्ट्रैप का उपयोग करती है। यह दृष्टिकोण चयन प्रक्रिया में ही अनिश्चितता को मात्रात्मक रूप से व्यक्त करता है।
बूटस्ट्रैप पावर एनालिसिस
विभिन्न परिकल्पित विकल्पों के तहत कई बूटस्ट्रैप नमूनों का अनुकरण करके एक परीक्षण या मॉडल की सांख्यिकीय शक्ति का मूल्यांकन। यह विधि प्रतिबंधात्मक वितरण संबंधी धारणाओं के बिना आवश्यक नमूना आकार का अनुमान लगाने की अनुमति देती है।
बूटस्ट्रैप कैलिब्रेशन
कैलिब्रेशन पूर्वाग्रह का अनुमान लगाने और सुधारने के लिए बूटस्ट्रैप का उपयोग करके वर्गीकरण मॉडल द्वारा भविष्यवाणी की गई संभावनाओं को समायोजित करने की तकनीक। यह विधि मॉडल की संभावना स्कोर की विश्वसनीयता में सुधार करती है।
बूटस्ट्रैप एन्सेंबल मेथड्स
पूर्वानुमानों के विचरण को कम करने के लिए बूटस्ट्रैप और समुच्चय को जोड़ने वाले एल्गोरिदम का परिवार, जिसमें रैंडम फॉरेस्ट, एक्स्ट्रा ट्रीज़ और बूटस्ट्रैप नमूनों पर आधारित अन्य विधियाँ शामिल हैं। ये विधियाँ पुनः नमूनाकरण द्वारा बनाई गई विविधता का लाभ उठाती हैं।
बूटस्ट्रैप फीचर इम्पोर्टेंस
बहुत से बूटस्ट्रैप सैंपल के माध्यम से मॉडल परफॉर्मेंस पर उनके प्रभाव को मापकर वेरिएबल्स के महत्व का मूल्यांकन, जो महत्व के लिए कॉन्फिडेंस इंटरवल प्रदान करता है। यह दृष्टिकोण फीचर्स के महत्व की स्थिरता को मात्रात्मक रूप से व्यक्त करता है।
बूटस्ट्रैप मॉडल स्टेबिलिटी
विभिन्न बूटस्ट्रैप सैंपल में मॉडल की भविष्यवाणियों या पैरामीटर्स की स्थिरता द्वारा मॉडल की मजबूती का मापन। वास्तविक मॉडल डिप्लॉयमेंट में विश्वास के लिए स्थिरता महत्वपूर्ण है।
बूटस्ट्रैप.632+
बूटस्ट्रैप की एक उन्नत विविधता जो बूटस्ट्रैप एरर और एपेरेंट एरर को 0.632 वेट के साथ मिलाकर एरर एस्टीमेशन के ऑप्टिमिस्टिक बायस को सही करती है, जो ओवरफिटिंग के लिए एडजस्ट की गई है। यह विधि अधिक सटीक एरर एस्टीमेट प्रदान करती है।