Глоссарий ИИ
Полный словарь искусственного интеллекта
Гиперпараметр
Внешний параметр модели, значение которого должно быть определено до обучения, напрямую влияющий на способность к обучению и итоговую производительность алгоритма.
Недообучение
Ситуация, когда модель слишком проста для захвата базовой структуры данных, что приводит к плохой производительности как на обучающих, так и на тестовых наборах.
Сетчатый поиск
Систематический метод оптимизации, который исчерпывающе исследует все возможные комбинации гиперпараметров в предопределенной сетке для определения наилучшей конфигурации.
Случайный поиск
Подход оптимизации, случайным образом выбирающий комбинации гиперпараметров в пространстве поиска, часто более эффективный чем сетчатый поиск для пространств большой размерности.
Байесовская оптимизация
Последовательный метод оптимизации, использующий вероятностную модель для направления поиска оптимальных гиперпараметров, балансируя между исследованием и эксплуатацией.
Валидационный скор
Количественная метрика, оценивающая производительность модели на валидационном наборе, служащая объективным критерием для выбора и настройки гиперпараметров.
Ансамблевое обучение
Парадигма, объединяющая несколько базовых моделей для улучшения общей предсказательной производительности путем агрегации их индивидуальных предсказаний.
Бустинг
Последовательный метод ансамбля, где каждая модель учится на ошибках предыдущей, создавая мощную композицию путем адаптивного взвешивания слабых учеников.
Метрика Оценки
Количественный показатель, измеряющий производительность модели по определенным критериям (точность, полнота, F1-мера, AUC-ROC, MSE, MAE и др.).
Точка Излома
Точка перегиба на кривой производительности, где предельное улучшение становится незначительным, часто указывающая на оптимальное значение гиперпараметра.