شارك
الرئيسية
1 دقيقةما هو تابع التكلفة في التعلم الآلي؟
بعد تدريب نموذجك، تحتاج إلى معرفة مدى جودة أداء نماذج التعلم الآلي. تخبرك توابع الدقة بمدى جودة أداء النموذج، إلا أنها لا تزوّدك برؤية حول كيفية تحسينها بشكل أفضل. وبالتالي، يستخدم تابع التكلفة لقياس مدى خطأ النموذج في إيجاد علاقة بين المدخلات والمخرجات ليخبرك بمدى سوء توقع نموذج التعلم الآلي.
كيف يتم تحسين تابع التكلفة؟
يتم تحسين تابع التكلفة بواسطة خوارزمية النزول المتدرج (Gradient Descent) وهي خوارزمية تستخدم لتحسين تابع التكلفة أو خطأ النموذج. يتم استخدامها للعثور على الحد الأدنى من قيمة الخطأ الممكن في نموذج التعلم الآلي.
في النزول المتدرج يتم العثور على الخطأ في النموذج في قيم مختلفة لمتغيرات الإدخال، ويتم تكرار الخوارزمية حتى تصبح قيم الخطأ أصغر.
استخدام تابع التكلفة في الشبكات العصبونية
تعد الشبكة العصبونية خوارزمية للتعلم الآلي تأخذ مدخلات متعددة، ستكون وظيفة التكلفة للشبكة العصبونية هي مجموع الأخطاء في كل طبقة. يتم ذلك عن طريق العثور على الخطأ في كل طبقة أولاً ثم جمع الأخطاء الفردية للحصول على الخطأ الكلي.
بالنسبة للشبكات العصبونية يكون لكل طبقة تابع تكلفة، ويكون لكل تابع تكلفة أقل قيمة خطأ خاصة به، اعتماداً على المكان الذي تبدأ فيه، للوصول إلى قيمة الحد الأدنى من الخطأ.