6.3 KiB
| title | localeTitle |
|---|---|
| Glossary | المعجم |
المعجم
جمل واحد أو جملتين سريعتين تصفان العبارات الشائعة. انظر صفحات فردية ل المزيد من التفاصيل.
- تعلم الآلة - تقاطع الإحصاءات وعلم الحاسوب في من أجل تعليم أجهزة الكمبيوتر لأداء المهام دون مبرمجة صراحة.
- التعليم العميق - مصطلح شامل لأساليب التعلم الآلي استنادًا إلى تمثيلات بيانات التعلم في مقابل الخوارزميات المستندة إلى الوفاء بمهمة معينة. ويشمل ذلك معماريات مثل الشبكات العصبية العميقة ، وشبكات الاعتقاد العميقة والشبكات العصبية المتكررة.
- Neuroevolution - Neuroevolution - مصطلح شامل لأساليب التعلم الآلي القائمة على توليد الشبكات العصبية من خلال الوزن ، والتحيز ، والهندسة المعمارية من خلال الطفرات العشوائية للشبكة. الأشكال الأكثر شيوعًا لتطور الأعصاب هي Neuroevolution of Augmenting Topologies ( NEAT ) والتطور العصبي المُتفاعل ( ICONE ).
- التعلم الإحصائي - استخدام التعلم الآلي بهدف الاستدلال الإحصائي ، حيث تقوم باستنتاجات البيانات بدلاً من التركيز على دقة التنبؤ
- التعلم تحت الإشراف - استخدام البيانات التاريخية للتنبؤ بالمستقبل. مثال: استخدام البيانات التاريخية للأسعار التي تم بيع المنازل بها للتنبؤ بالسعر الذي سيباع به منزلك. يخضع الانحدار والتصنيف للتعلم تحت الإشراف.
- التعلم دون إشراف - العثور على أنماط في البيانات غير المسماة. مثال: تجميع العملاء عن طريق شراء السلوك. التجميع يأتي تحت التعلم دون إشراف.
- تعزيز التعلم - استخدام بيئة محاكاة أو حقيقية يتم فيها إدخال خوارزمية تعلم الآلة ومكافآت متفرقة لبناء نموذج للتنبؤ بالأفعال. وقد استخدم التعلم التعزيز لتدريب الروبوتات الافتراضية لتحقيق التوازن بين أنفسهم وللتغلب على الألعاب المصممة للإنسان .
- الانحدار - أسلوب تعلم آلي يستخدم للتنبؤ بالقيم المستمرة. الخطي الانحدار هو واحد من خوارزمية الانحدار الأكثر شعبية.
- التصنيف - هو أسلوب تعلم آلي يستخدم للتنبؤ بالقيم المنفصلة. الانحدار اللوجستي هو واحد من أكثر خوارزميات التصنيف شيوعًا.
- تعلم قواعد القاعدة - طريقة التعلم الآلي المستندة إلى القواعد لاكتشاف العلاقات المثيرة بين المتغيرات في قواعد البيانات الكبيرة.
`f: x -> y
Here 'f' is a function that takes 'x' as input and produces 'y' as output.
If the output value 'y' is a real number / continous value then the function is a regression technique.
If the output value 'y' is a discrete / categorical value then the function is a classification technique. `
-
تجميع - تجميع البيانات غير المسماة. تحديد الأنماط باستخدام الإحصائيات.
-
تقليل الأبعاد - تقليل عدد المتغيرات العشوائية في البيانات للحصول على تنبؤات أكثر دقة.
-
الغابات العشوائية - تعتبر الغابات العشوائية أو غابات القرار العشوائي طريقة تعلم جماعية للتصنيف والتراجع والمهام الأخرى ، والتي تعمل من خلال بناء العديد من أشجار القرار في وقت التدريب وإخراج الطبقة التي هي طريقة الطبقات أو متوسط التنبؤ أشجار فردية. - شبكات بايزي - شبكة بايزي هي نموذج بياني احتمالي يربط مجموعة من المتغيرات العشوائية باستقلاليتها المشروطة عن طريق رسم بياني دوري مرسوم (DAG). بطريقة بسيطة ترتبط المتغير العشوائي باستقلاليتها الشرطية للتنبؤ بالحدث. تلعب دورًا حاسمًا في علاقة القرائن. - المفاضلة بين التحيز والتغيير - يعتبر التحيز مفيدًا لأنه يساعدنا على تحديد متوسط الفرق في القيم المتوقعة والقيم الفعلية ، بينما يساعدنا الاختلاف في تحديد كيف تختلف التقديرات المختلفة على نفس مجموعة البيانات عن بعضها البعض. إذا زاد التحيز ، عندئذ يكون للنموذج خطأ كبير في التنبؤات ، مما يجعل النموذج أقل من الواقع. يؤدي التباين العالي إلى جعل نموذج النموذج زائداً لأن النموذج يدرب نفسه باستمرار في مجموعة البيانات المعطاة فقط وينفذ بشكل سيئ على البيانات التي لم يرها بعد. إن إيجاد توازن بين الانحياز والتحيز هو مفتاح صنع نموذج جيد.