التعلم الخاضع للإشراف
ما هو التعلم الخاضع للإشراف؟
نحن البشر نتعلم من تجاربنا السابقة. أما الآلات (أو الحواسيب) فلا تمتلك تجارب، بل تتعلم من البيانات التي تُمثل تجارب سابقة في مجال تطبيقي. في التعلم المُشرف، ينصب تركيزنا على تعلم دالة مستهدفة يُمكن استخدامها للتنبؤ بقيم (علامات) سمات فئة مُنفصلة. تُعرف هذه المهمة عادةً باسم التعلم المُشرف.
في جوهره، يُعد التعلم المُشرف نوعًا من التعلم الآلي، حيث تتعلم الخوارزمية من بيانات التدريب المُصنّفة لاتخاذ قرارات أو تنبؤات. في هذا النموذج، تُدرّب الخوارزمية على مجموعة بيانات تحتوي على بيانات إدخال والمخرجات المطلوبة المقابلة. الهدف هو تعلم دالة ربط بين إدخال إخراج، مما يسمح للخوارزمية بالتنبؤ ببيانات غير مرئية. في الأساس، تُشرف مجموعة البيانات المُقدّمة على الخوارزمية، مما يُرشدها لتعلم الأنماط والعلاقات داخل البيانات.
التعلم الخاضع للإشراف هو عملية مكونة من خطوتين:
التعلم أو التدريب: تعلم نموذجًا باستخدام بيانات التدريب (مع العلامات).
الاختبار: اختبار النموذج باستخدام بيانات اختبار غير مرئية (بدون تسميات) لتقييم دقة النموذج.
يمكن تصنيف التعلم الخاضع للإشراف على نطاق واسع إلى نوعين رئيسيين: الانحدار والتصنيف.
في الانحدار ، تتنبأ الخوارزمية بقيم إخراج مستمرة. هذا المفهوم مُستمد من الإحصاءات الاستدلالية. من أمثلة استخدامات خوارزميات الانحدار الشائعة:
التنبؤ بأسعار الأسهم
التنبؤ بالمبيعات (من قبل شركات مثل أمازون وول مارت)
تحسين المسار (من قبل شركات الطيران وشركات مشاركة الرحلات مثل أوبر)
من ناحية أخرى، يتضمن التصنيف التنبؤ بمخرجات منفصلة أو فئوية. يمكن أن تندرج النتيجة ضمن فئتين (التصنيف الثنائي)، أو فئات متعددة (التصنيف متعدد الفئات)، أو حتى التنبؤ بفئات متعددة لحالة واحدة (التصنيف متعدد العلامات). من الأمثلة على ذلك:
التنبؤ بمشاعر المنشور أو النص (تحليل المشاعر)
التنبؤ بورم السرطان إذا كان حميدًا أو خبيثًا
التنبؤ بالمخاطر المرتبطة بطلبات القروض ...