مصطلحات ML

العلاقات

تستخدم أنظمة التعلم الآلي العلاقات بين المدخلات لإنتاج تنبؤات .

في الجبر ، تُكتب العلاقة غالبًا على النحو التالي: y = ax + b :

• y هو التصنيف الذي نريد توقعه
• أ هو منحدر الخط
• x هي قيم الإدخال
• ب هو التقاطع

باستخدام ML ، تتم كتابة العلاقة على النحو التالي: y = b + wx :

• y هو التصنيف الذي نريد توقعه
• ث هو الوزن (المنحدر)
• س هي الميزات (قيم الإدخال)
• ب هو التقاطع

تسميات تعلم الآلة

في مصطلحات التعلم الآلي ، التسمية هي الشيء الذي نريد توقعه .

إنه مثل y في الرسم البياني الخطي:

ميزات التعلم الآلي

في مصطلحات التعلم الآلي ، تكون الميزات هي المدخلات .

إنها مثل قيم x في الرسم البياني الخطي:

في بعض الأحيان يمكن أن يكون هناك العديد من الميزات (قيم الإدخال) بأوزان مختلفة:

ص = _{ب +} w1x1 + _w2x2 + _w3x3 + _w4x4 _ _{_ _} _ _{_}

نماذج التعلم الآلي

يحدد النموذج العلاقة بين التسمية (ص) والسمات (س).

هناك ثلاث مراحل في حياة النموذج:

• جمع البيانات
• تمرين
• الإستنباط

تدريب تعلم الآلة

الهدف من التدريب هو إنشاء نموذج يمكنه الإجابة على سؤال. مثل ما هو السعر المتوقع للمنزل؟

استدلال تعلم الآلة

الاستدلال هو عندما يتم استخدام النموذج المدرب لاستنتاج (توقع) القيم باستخدام البيانات الحية. مثل وضع النموذج في الإنتاج.