🏠 Ana Sayfa
Benchmarklar
📊 Tüm Benchmarklar 🦖 Dinozor v1 🦖 Dinozor v2 ✅ To-Do List Uygulamaları 🎨 Yaratıcı Serbest Sayfalar 🎯 FSACB - Nihai Gösteri 🌍 Çeviri Benchmarkı
Modeller
🏆 En İyi 10 Model 🆓 Ücretsiz Modeller 📋 Tüm Modeller ⚙️ Kilo Code
Kaynaklar
💬 Prompt Kütüphanesi 📖 YZ Sözlüğü 🔗 Faydalı Bağlantılar

YZ Sözlüğü

Yapay Zekanın tam sözlüğü

162
kategoriler
2.032
alt kategoriler
23.060
terimler
📖
terimler

SHAP Force Plot

Une visualisation interactive qui montre comment chaque caractéristique pousse la prédiction d'un modèle depuis la valeur de base (moyenne) jusqu'à la prédiction finale pour une observation spécifique.

📖
terimler

SHAP Dependence Plot

Une visualisation qui montre l'effet d'une caractéristique sur la prédiction, similaire à un PDP, mais en utilisant les valeurs SHAP pour capturer les interactions et les effets non linéaires.

📖
terimler

LIME Explanation

Une représentation graphique qui montre les caractéristiques locales les plus influentes pour une prédiction spécifique, en créant un modèle interprétable simplifié autour de l'observation.

📖
terimler

Neural Network Architecture Diagram

Un schéma visuel qui représente les couches, les neurones, les connexions et les flux de données d'un réseau de neurones pour illustrer sa structure complexe.

📖
terimler

Class Activation Map (CAM)

Une carte de chaleur qui superpose sur l'image d'entrée les régions les plus importantes pour la prédiction d'une classe spécifique par un réseau de neurones convolutif.

📖
terimler

Gradient-weighted Class Activation Mapping (Grad-CAM)

Une amélioration du CAM qui utilise les gradients du score de classe par rapport aux cartes de caractéristiques finales pour créer des visualisations plus précises des régions d'intérêt.

📖
terimler

T-SNE Projection

Une visualisation qui réduit la dimensionnalité des données pour projeter les observations dans un espace 2D ou 3D, préservant les structures locales et révélant les clusters.

📖
terimler

UMAP Visualization

Une technique de projection non linéaire qui préserve à la plus la structure globale et locale des données dans une visualisation à faible dimension, souvent plus rapide que t-SNE.

📖
terimler

Learning Curve Visualization

Un graphique qui montre la performance du modèle sur les ensembles d'entraînement et de validation en fonction de la taille des données pour diagnostiquer le surapprentissage ou le sous-apprentissage.

📖
terimler

Permutation Importance Plot

Un graphique qui montre l'importance des caractéristiques en mesurant la diminution de performance du modèle lorsque les valeurs d'une caractéristique sont aléatoirement permutées.

📖
terimler

Friedman's H-statistic Visualization

Un graphique qui représente la force des interactions entre caractéristiques dans un modèle, basé sur la statistique H de Friedman pour quantifier les effets d'interaction.

📖
terimler

Moran's I Plot

Une visualisation qui représente l'autocorrélation spatiale des résidus d'un modèle pour détecter les dépendances spatiales non modélisées dans les données géographiques.

🔍

Sonuç bulunamadı