كلمة النص الكامل عام 1848، حيث من المتوقع أن ينمو 6 دقائق من بداية الدراسة

المصدر: Pexels

سواء كنت مبتدئا تعلم الآلة أو مبرمج المتوسط، قد يتم الخلط بين هذه المسألة. كيفية إنشاء ورقة الغش؟ ماذا يمكن أن تتعلم من هذه المقالة؟

في تعلم الآلة، وليس هناك حل واحد يمكن أن تحل جميع المشاكل. منذ عدة أنواع من الخوارزميات، فمن الصعب العثور على خوارزمية الصحيحة لحل المشكلة.

لكن لا داعي للقلق، في هذه المقالة، فإننا سوف تصف كيفية استخدام ورقة الغش لتبسيط طريقة التعلم الآلي، يمكنك استخدام هذا الغش ورقة حدد الخوارزمية المناسبة لحل هذه المشكلة.

ما يلي هو ورقة الغش - ما تحتاج لمعرفته حول تقنيات التعلم الآلي.

الغش ورقة دليل

العوامل في الاعتبار عند اختيار خوارزمية

هناك العديد من العوامل التي ستؤثر على اختيارك. بعض المشاكل هي أكثر تحديدا وتتطلب حلولا متخصصة. على سبيل المثال، فإن النظام توصية يمكن استخدامها في حل هذه المشاكل. في حين أن بعض الأنواع من المشاكل مفتوحة، لكنها تتطلب التجربة والخطأ استبعادها. التعلم تحت إشراف والتصنيف والانحدار إلى إيجاد حل لمشكلة برنامج الدرجة مفتوح.

1. ما تريد تنفيذ عمليات على البيانات - تصنيف، الانحدار أو مجموعة؟

2، الحجم: في اختيار الخوارزمية، وحجم مجموعة البيانات (بغض النظر عن حجمها) مهم جدا.

3، الجودة: لقد تغيرت مجموعة البيانات الخاصة بك كثيرا، ما إذا كان التوازن مجموعة البيانات.

4، وطبيعة البيانات: هل نحتفل البيانات؟ كيفية المدخلات والمخرجات نموذج التمثيل؟

5، وتوفر الوقت: كم من الوقت تحتاج لقضاء لبناء وتدريب النموذج. بعض النماذج يمكن بناؤها بسرعة أكبر، ولكن سوف تكون أقل دقة معينة.

6، سرعة أو دقة: للحصول على نموذج يمكن أن تستخدم في الإنتاج، قد يكون لديك المتطلبات العالية للدقة، ولكن في بعض الأحيان أسرع الحوسبة عمل نموذج بسرعة كافية لتلبية الاحتياجات الخاصة بك.

إذا كنت ترغب في استخدام ورقة الغش، يمكنك ببساطة تحقق التسمية على الرسم البياني لتحديد، ثم ينتقل السهم إلى الإجابة على الأسئلة. على سبيل المثال:

إذا كنت تريد أن تقلل من عدد من الأبعاد ولا تتطلب نمذجة الموضوعات، يرجى استخدام PCA.

إذا كنت ترغب في التنبؤ بقيمة متغير، ويتطلب دقة عالية، يجب أن تحاول استخدام "الغابات عشوائية"، "الشبكة العصبية" أو "ترقية متدرجة" شجرة.

إذا كنت لا ترغب في تنفيذ بيانات تجميع وعلامة، يمكنك استخدام ك- أقرب خوارزمية الجار المجموعات.

اختيار خوارزمية الصحيحة

ومن الجدير بالذكر أن العلماء البيانات حتى من ذوي الخبرة لا يمكن أن أقول أي نوع من خوارزمية لا يحاول التأثير في حالة خوارزميات أخرى أفضل. كل الطرق تؤدي الى روما، فإنه قد لا يكون السبيل الوحيد لحل مشكلة الغش ورقة. ورقة الغش الأمل الوحيد لتوفير خوارزمية التوجيه التي يمكن استخدامها استنادا إلى عامل معروف بالنسبة لك.

اكتب آلة خوارزمية التعلم

المصدر: zhihu

1. التعلم تحت إشراف

خوارزمية التعلم تحت الملاحظة التي هي تحت الإشراف المباشر للعملية. نحن نستخدم البيانات إلى تعليم أو ممارسة الآلة، مما يعني أن البيانات يتم وضع علامة الإجابة الصحيحة. ويستخدم خوارزمية لتحليل البيانات وظائف تدريب وفقا لالمدخلات والمخرجات تعيينات. ثم، استنادا إلى بيانات التدريب يمكن تلخيصها باستخدام وظيفة الانتاج المتوقع للمدخلات غير معروف. يستخدم التعلم تحت إشراف أساسا نوعان من المشاكل.

الفئة: في مشكلة تصنيف، تحتاج إلى العثور على فئة من إدخال البيانات. على سبيل المثال، تصنف الصورة بأنها "كلب" أو "القط".

الانحدار: في مشاكل الانحدار، والناتج هو قيمة حقيقية. محاولة للتنبؤ قيمة متغير على أساس المدخلات.

2. شبه إشراف التعلم

يتطلب التعلم تحت إشراف البيانات التي تم وسمها، إذا لم يكن عمل واحد آخر على مشاريع مماثلة، سوف تضطر إلى إيجاد أو توليد يمكن لهذه البيانات أن يكون صعبا. في عملية شبه أشرف، سوف نستخدم علامات معينة مع البيانات والبيانات غير المسماة.

كما ترون، فإن البيانات لا علامة تماما، والذي هو السبب يطلق عليه التعلم شبه إشراف. باستخدام بيانات البطاقات بالتزامن مع البيانات غير المسماة يمكن أن يحسن من دقة هذا النموذج.

3. التعلم غير خاضعة للرقابة

تطبيق التعلم دون إشراف لبيانات الخالي من الملصقات. الآلة يجب أن تحدد من دون أي حال إشراف البيانات والأنماط، وأوجه التشابه والاختلاف، لأداء التكتل وأبعاد التخفيض.

العنقودية: وفقا لبعض المعايير والتشابه، يتم تجميع البيانات إلى مجموعات واحد أو أكثر. على سبيل المثال، وفقا لسلوك الشراء للعميل من جماعتهم.

تخفيض أبعاد: بعض الميزات أو البيانات البعد لا يجوز استخدامها لتدريب نموذج. استخدام بعض الخوارزميات، يمكننا تجنب النظر في أبعاد وملامح غير ذات صلة. وتسمى هذه العملية للحد من أبعاد.

4. التعزيز التعلم

يمكن أن يكون الأمثل تعزيز كيل التعلم القائم على التغذية الراجعة من البيئة. عندما يكون الجهاز لاتخاذ القرارات الصائبة ومعاقبة قراراتهم السيئة، وسوف يكافأ عملائهم. لا تحتاج هذه الدراسة إلى بيانات اجمع ومن ثم كان لدينا لتنظيف البيانات. ويمكن للنظام أن يكون مكتفية ذاتيا، محاولة تحسين الذات في العالم الحقيقي. برنامج كمبيوتر يعمل على تعزيز التعلم AlphaGO ضرب أقوى لاعبي الشطرنج في العالم.

التعليقات الختامية

المصدر: Pexels

آلة التعلم يمكن حل المشكلة في عدة طرق، يمكنك اختيار خوارزمية تعتمد على عوامل مختلفة مثل الدقة والموضوعية وحجم البيانات وطبيعة البيانات. يمكنك أيضا الرجوع إلى ورقة الغش، وسرعان ما بدأ في بناء نموذج. وبمجرد حل المشكلة والحصول على النتائج، يمكنك استكشاف المزيد من خوارزميات مختلفة لتحديد أفضل طريقة أنسب لمشكلة معينة.

انتباه رسالة الابهام

معا نحن نشارك في التعلم وتطوير AI الجاف

مثل طبع، يرجى ترك رسالة وراء الكواليس، والامتثال للمعايير طبع