قائمة مصطلحات التعلم الآلي (22): نموذج الإنحدار الذاتي Autoregressive model

ما هو نموذج الإنحدار الذاتي Autoregressive model

يتعلم نموذج الانحدار الذاتي من مجموعة من الخطوات المحددة بوقت ويأخذ قياسات من الإجراءات السابقة كمدخلات لنموذج الانحدار ، من أجل التنبؤ بقيمة الخطوة الزمنية التالية.

إشارة  ترمز إلى نموذج ذاتي الانحدار من الدرجة p ويكتب على الشكل التالي:

حيث أن: هي وسائط ، ثابت ،  متغير عشوائي.

هناك ايضا عوامل إضافية تطبق على الوسائط، لضمان إستقرار العملية التصادفية، فعلى سبيل المثال، في حالة النموذج ، إذا كانت |φ1| أكبر من 1، فالعملية لا تكون مستقرة. في نموذج الانحدار الذاتي ، يتم اعتبار المتغير دالة لقيم سابقة.

كيف يعمل نموذج الإنحدار الذاتي؟

تركز نمذجة الإنحدار التلقائي على قياس الارتباط بين ما تم ملاحظته في الخطوات الزمنية السابقة (متغيرات التأخر lag variables) للتنبؤ بقيمة الخطوة الزمنية التالية (المخرجات output).

إذا تغير كلا المتغيرين في نفس الاتجاه ، على سبيل المثال زيادةا أو نقصانا ، فهناك علاقة إيجابية. إذا كانت المتغيرات تتحرك في اتجاهات متعاكسة مع تغير القيم ، على سبيل المثال أحد المتغييرين يزداد بينما يتناقص الأخرى ، فإن هذا يسمى الارتباط السلبي. في كلتا الحالتين ، باستخدام الإحصائيات الأساسية ، يمكن قياس  علاقة الإرتباط بين المخرج والمتغير السابق.

كلما زاد هذا الارتباط ، إيجابا أو سلبا ، زاد إحتمال توقع المستقبل بالإعتماد على الماضي . أو في مصطلحات التعلم الآلي ، كلما إرتفع ترجيح هذه القيمة في خوارزمية التعلم العميق. نموذج الإنحدار الذاتي مفيد أيضًا للتدريب على التعلم العميق.

نظرًا لأن هذا الارتباط يحدث بين المتغير و ذاته في الخطوات الزمنية السابقة ، لذلك يشار إليه على أنه ارتباط تلقائي autocorrelation. بالإضافة إلى ذلك ، إذا أظهر كل متغير ارتباطًا ضئيلًا أو معدومًا مع متغير الإخراج ، فمن المحتمل أن مجموعة بيانات السلاسل الزمنية قد لا تكون متوقعة.

 

Share on facebook
فيسبوك
Share on twitter
تويتر
Share on linkedin
لينكدإن
Share on whatsapp
واتساب

اترك تعليقاً

المشاركات الاخيرة

أحدث التعليقات

أفحص بحثك بالمجان

رفع الملف