🏠 Início
Avaliações
📊 Todos os Benchmarks 🦖 Dinossauro v1 🦖 Dinossauro v2 ✅ Aplicações To-Do List 🎨 Páginas Livres Criativas 🎯 FSACB - Showcase Definitivo 🌍 Benchmark de Tradução
Modelos
🏆 Top 10 Modelos 🆓 Modelos Gratuitos 📋 Todos os Modelos ⚙️ Kilo Code
Recursos
💬 Biblioteca de Prompts 📖 Glossário de IA 🔗 Links Úteis

Glossário IA

O dicionário completo da Inteligência Artificial

242
categorias
3.306
subcategorias
39.932
termos
📖
termos

XGBoost

Implementação otimizada de gradient boosting que utiliza técnicas avançadas de regularização, processamento paralelo e otimização de memória para melhorar o desempenho e a velocidade de treinamento.

📖
termos

AdaBoost

Método adaptativo de boosting que ajusta dinamicamente os pesos das observações de treinamento, concentrando-se nos exemplos difíceis ao longo de iterações sucessivas de modelos fracos.

📖
termos

Weak Learner

Modelo preditivo simples (geralmente uma árvore de decisão rasa) cujo desempenho é ligeiramente superior ao acaso, utilizado como bloco fundamental em métodos de boosting.

📖
termos

Loss Function

Função matemática que quantifica o erro entre as previsões do modelo e os valores reais, orientando a otimização iterativa em algoritmos de gradient boosting.

📖
termos

Gradient Descent

Algoritmo iterativo de otimização que ajusta os parâmetros do modelo na direção oposta ao gradiente da função de perda para minimizar o erro global.

📖
termos

Residual Learning

Técnica em que cada modelo subsequente aprende a prever os resíduos (erros) do modelo anterior, permitindo uma aproximação progressiva e precisa da função-alvo.

📖
termos

Subsampling

Técnica de amostragem aleatória dos dados de treinamento em cada iteração, introduzindo estocasticidade e reduzindo a correlação entre árvores para melhor generalização.

📖
termos

Regularization

Conjunto de técnicas (L1, L2, poda) que penalizam a complexidade do modelo para controlar o overfitting e melhorar sua capacidade de generalização.

📖
termos

Tree Pruning

Processus de poda das ramificações da árvore de decisão após sua construção completa, eliminando subdivisões não informativas para reduzir a complexidade e melhorar a generalização.

📖
termos

Histogram-based Algorithm

Otimização que discretiza as características contínuas em histogramas antes da construção das árvores, acelerando consideravelmente a busca pelos melhores pontos de divisão.

📖
termos

Leaf-wise Growth

Estratégia de construção de árvores que divide a folha apresentando a maior redução de perda, ao invés de expandir todas as folhas na mesma profundidade.

🔍

Nenhum resultado encontrado