19 lines
2.2 KiB
Markdown
19 lines
2.2 KiB
Markdown
---
|
||
title: Learning Equals Representation Evaluation Optimization
|
||
localeTitle: التعلم يساوي تقييم التقييم الأمثل
|
||
---
|
||
## التعلم يساوي تقييم التقييم الأمثل
|
||
|
||
وقد تفجر مجال التعلم الآلي في السنوات الأخيرة والباحثين وضعت عددا هائلا من الخوارزميات للاختيار من بينها. على الرغم من هذا عظيم مجموعة متنوعة من النماذج للاختيار من بينها ، يمكن تقسيمها إلى ثلاثة المكونات.
|
||
|
||
المكونات الثلاثة التي تجعل نموذج التعلم الآلي هي التمثيل ، التقييم ، والتحسين. هذه الثلاثة هي الأكثر ارتباطا مباشرة التعلم الخاضع للإشراف ، ولكن يمكن أن يكون مرتبطًا بالتعلم بدون إشراف أيضًا.
|
||
|
||
**التمثيل** - هذا يصف كيف تريد النظر إلى بياناتك. في بعض الأحيان قد ترغب في التفكير في البيانات الخاصة بك من حيث الأفراد (مثل في أقرب الجيران) أو ما شابه في الرسم البياني (كما هو الحال في شبكات بايزي).
|
||
|
||
**التقييم** - لأغراض التعلم تحت الإشراف ، ستحتاج إلى تقييم أو ضع علامة على مدى جودة أداء المتعلم لديك حتى يمكن تحسينه. هذه يتم التقييم باستخدام وظيفة تفريخ (يعرف أيضًا باسم _الهدف وظيفة_ أو _وظيفة_ _التهديف_ ). تتضمن الأمثلة الدقة والخطأ المربعة.
|
||
|
||
**الأمثل** - باستخدام وظيفة التقييم من أعلى ، تحتاج إلى العثور عليها المتعلم مع أفضل درجة من هذه الوظيفة التقييم باستخدام اختيار تقنية التحسين. ومن الأمثلة على ذلك البحث الجشع والنسب التدرج.
|
||
|
||
#### معلومات اكثر:
|
||
|
||
* [قليل من الأشياء المفيدة التي يجب معرفتها عن تعلم الآلة](https://homes.cs.washington.edu/~pedrod/papers/cacm12.pdf) |