نظرة عامة على التعلم الآلي
تُعرف خوارزميات الحاسوب التي تتطور تلقائيًا مع الخبرة باسم التعلم الآلي . ويُعتبر هذا التعلم فرعًا من الذكاء الاصطناعي. لاتخاذ قرارات دون برمجة مسبقة، تُطوّر خوارزميات التعلم الآلي نموذجًا رياضيًا تلقائيًا باستخدام بيانات عينة، تُعرف عادةً ببيانات التدريب . يعتمد جزء كبير من الصناعة والأبحاث الحديثة على التعلم الآلي. يُساعد التعلم الآلي أنظمة الحاسوب على زيادة كفاءتها من خلال استخدام نماذج وتقنيات الشبكات العصبية.
إليكم آلية عمل التعلم الآلي الكلاسيكي:
التعلم الخاضع للإشراف
تعتمد مهمة تدريب خوارزمية تعلّم آلي لتحويل إدخال إلى إخراج باستخدام التعلّم المُشرف على تحليل أزواج إدخال إخراج نموذجية. وتُشتق دالة باستخدام بيانات تدريب مُصنّفة، تتكون من مجموعة من حالات التدريب.
أنواع التعلم الخاضع للإشراف
هناك نوعان رئيسيان من التعلم الخاضع للإشراف:
التصنيف: يُعدّ التصنيف أحد تطبيقات التعلم المُراقَب. يعمل التصنيف بكفاءة عندما تكون قيم إخراج مُنفصلة ومحدودة، إذ يُشير إلى الفئة التي تنتمي إليها عناصر البيانات. كما أنه يتنبأ بفئة متغير إدخال مُحدد.
الانحدار: يُعد تحليل الانحدار أحد فروع التعلم المُشرف. يهدف هذا النهج إلى نمذجة العلاقة بين متغير هدف مستمر وعدد محدد من السمات.
التعلم غير الخاضع للإشراف
التعلم غير الخاضع للإشراف هو نوع من التعلم الآلي الذي يستخدم أقل قدر ممكن من الإشراف البشري أثناء البحث في مجموعة البيانات عن الأنماط التي لم يتم ملاحظتها من قبل.
أنواع التعلم غير الخاضع للإشراف
يتم تصنيف التعلم غير الخاضع للإشراف إلى ثلاثة أنواع:
التجميع: التجميع هو نهج تعلّم آلي يتم فيه تجميع نقاط البيانات معًا. نظريًا، ينبغي أن تتشابه خصائص نقاط البيانات التي تنتمي إلى المجموعة نفسها، بينما ينبغي أن تختلف خصائص نقاط البيانات التي تنتمي إلى مجموعات أخرى اختلافًا كبيرًا.
تقليل الأبعاد: تُعرف عملية تقليل عدد السمات أو المتغيرات في مجموعة بيانات مع الحفاظ على أهم المعلومات باسم تقليل الأبعاد، وتُطبق في التعلم الآلي وتحليل البيانات. ويُستخدم هذا بشكل متكرر لحل المشكلات المتعلقة بالبيانات عالية الأبعاد، مثل لغز الأبعاد، الذي قد يؤدي إلى الإفراط في التجهيز، وزيادة تعقيد الحوسبة، وصعوبات في تصور البيانات وتفسيرها. يُساعد تقليل أبعاد البيانات في تبسيطها مع الحفاظ على خصائصها الأساسية.
التعدين الارتباطي: يُعدّ التعدين الارتباطي جانبًا مفتاح آخر من جوانب التعلم غير المُشرف. تُستخدم هذه الطريقة للعثور على علاقات أو أنماط مثيرة للاهتمام في مجموعات بيانات ضخمة. ومن الأمثلة الشائعة على ذلك تحليل سلال التسوق، والذي يُستخدم في قطاع التجزئة لتحديد الروابط بين العناصر التي تُشترى معًا عادةً. يُعدّ التعدين الارتباطي تقنية فعّالة للعثور على العلاقات والتبعيات الخفية في البيانات، مما قد يُفيد المؤسسات في العديد من القطاعات الصناعية.
التعلم التعزيزي
يستكشف فرع التعلم الآلي، المسمى بالتعلم المعزز (RL)، كيفية تصرف وكلاء البرمجيات في ظروف معينة لتعظيم فكرة المكافأة التراكمية. يُعد التعلم المعزز، إلى جانب التعلم المُشرف وغير المُشرف، أحد النماذج الأساسية الثلاثة في التعلم الآلي. الوكيل في هذه الحالة هو نظام التعلم، الذي يختار الإجراءات وينفذها بناءً على ملاحظاته للمحيط. كما أنه يُحدد المكافآت لكل إجراء.
لغز
اختبر فهمك من خلال اختبار قصير.
Is association mining a type of supervised machine learning technique?