شارك
الرئيسية
1 دقيقةما هي مجموعة التعلم الآلي؟
هي تقنية في التعلم الآلي تُدمج فيها الميزات الأكثر أهمية لعدة نماذج تعلم آلي لتحسين دقة التنبؤات، بحيث يكون النموذج الناتج عن الدمج يعطي أداءً أعلى من النماذج الفردية.
كيف تعمل مجموعة التعلم الآلي؟
تعمل تكنولوجيا مجموعة التعلم الآلي من خلال ثلاث طرق أساسية وهي:
- التعبئة: يتم إنشاء أجزاء فرعية من مجموعة البيانات وتسمى عينات تمهيدية. يتم التعامل مع هذه المجموعات الفرعية الآن على أنها مجموعات بيانات مستقلة، وخلال وقت الاختبار، يتم حساب التنبؤات من جميع هذه النماذج المدربة على مجموعات فرعية مختلفة من البيانات نفسها.
- التعزيز: بدلاً من المعالجة المتوازية لمجموعات البيانات، تتم المعالجة المتتالية لمجموعة البيانات. يتم تغذية المصنِف (Classifier) الأول بمجموعة البيانات بأكملها، ويتم تحليل التنبؤات.
- التكديس: يتم استخدام مخرجات جميع هذه النماذج الناتجة من عملية التعبئة والتعزيز واستخدامها دخل إلى مصنِف ُيسمى المصنِف الفائق (Meta-Classifier) والذي يتنبأ بالعينات. والغاية من استخدام طبقتين من المصنفات هو تحديد ما إذا كانت بيانات التدريب تعلمت بشكلٍ مناسب أم لا.
تطبيقات مجموعة التعلم الآلي
إليك بعض تطبيقات الحياة الواقعية لمجموعة التعلم الآلي:
- التنبؤ بالأمراض: يتم تصنيف الأمراض للتنبؤ المبسط والسريع من خلال مجموعة التعلم الآلي، وتسهم في في اكتشاف أمراض القلب والأوعية الدموية من الأشعة السينية والأشعة المقطعية.
- الاستشعار عن بُعد: يعد رصد الخصائص الفيزيائية للمنطقة المستهدفة دون الاتصال المادي مهمة صعبة لأن البيانات التي تحصل عليها أجهزة استشعار مختلفة لها دقة مختلفة تؤدي إلى عدم الاتساق في توزيع البيانات تستخدم مجموعة التعلم الآلي لحل مشكلة عدم اتساق البيانات.
- كشف الاحتيال: يعد الكشف عن الاحتيال الرقمي مهمة صعبة نظراً لأن الدقة مطلوبة لأتمتة العملية. وأثبتت تكنولوجيا مجموعة التعلم الآلي فاعليتها في كشف الاحتيال في بطاقات الائتمان.
- التعرّف على المشاعر في الكلام: تُستخدم في حالة البيئات متعددة اللغات. وتسمح هذه التقنية بدمج تأثير جميع المُصنِفات بدلاً من اختيار مصنِف بيانات واحد والمساس بدقة مجموعة لغوية معينة.