1- أنواع تعلم الآلة

التعلم الآلي عادة يقسم الى اربع فئات رئيسية هي التعلم تحت الاشراف Supervised Learning ، والتعلم بدون اشراف Unsupervised Learning ، وتعلم التعزيز Reinforcement Learning ، والتعلم شبه الخاضع للاشراف  Semi-Supervised Learning حيث سيتم التحدث في هذه المقالة عن هذه الفئات الاربع


 التعلم تحت الاشراف Supervised Learning

في هذا النوع قد لا تعرف العلاقات الداخلية للبيانات التي تقوم بمعالجتها ، لكنك تعرف جيدا أي المخرجات التي تحتاجها من النموذج الخاص بك. فمثلا: “التنبؤ بفترة إلغاء المستخدمون اشتراكاتهم.”

هنا نجد آن مخرجات نموذجك محددة وهي: “هل سيقوم المستخدم X بالغاء اشتراكه“. ما قد لا تعرفه بعد هو كيفية معرفة المستخدمين الذين سيلغون إشتراكهم . لذا يمكنك استخدام مجموعة من البيانات الموجودة لتدريب نموذج ما على التنبؤ بهذا الجانب الخاص بمستخدمك. عادة ما يستخدم تدريب النموذج جزءا من البيانات ” للتعلم ” training ،  وجزءا من البيانات للتحقق من مدى دقة النموذج وقياسه  test. 

مثلا اذا كان لديك 10000 مستخدم. من هؤلاء 5000 تم الغاء اشتراكهم ، و 5000 لا يزالون مشتركين. هنا يمكنك آخذ بيانات من 4500 مستخدم من الذين ألغوا اشتراكهم ، و 4500 من المستخدمين الذين ما زالوا مشتركين ( يعني بيانات من 9000 مستخدم). وإجعل النموذج الخاص بك يتدرب على هذه البيانات ، والسماح له برؤية بيانات الذين ألغيت اشتراكاتهم والذين مازالوا مشتركين (رؤية الحل). بعد آن يتم تدريب نموذجك سيكون جاهزا لبدء التنبؤ. لذلك يمكنك الان تغذية نموذجك ببيانات بقية المستخدمين ( 1000 مستخدم)، وهنا لن تسمح للنموذج بالاطلاع على الحل (من من الالف ما زال مشترك ومن تم الغاء اشتراكه). سيعمل النموذج على ايجاد افضل نتيجة، ويمكنك مقارنة النتيجة مع القيمة الحقيقية (الحل). اذا كان النموذج قد تنبأ بشكل صحيح مثلا بعدد 891 من آصل 1000 مستخدم ، فان النموذج لديه دقة تبلغ 89.1 بالمائة .

هناك نوعان من التعلم الخاضع للاشراف هما:

التصنيف Classification  : التبوء بتصنيفات، مثل اللوان، آنواع الحيوانات وأنواع الفاكهة.

الانحدار أو التوقع Regression : التبوء بكمية، مثل توقع درجة الحرارة بناء على بيانات تاريخية، بالاضافة الى اتجاه الرياح والغيوم. وكذلك توقع آسعار المنازل بناء على معطيات كحجم البيت، مكان الحي، وعدد الغرف ودورات المياه .

 التعلم الغير خاضع للاشراف Un-supervised Learning

هذا النوع انت لا تعرف ما تريد استخراجه من النموذج. ربما تعتقد آن هناك بعض آنواع العلاقات آو الارتباط  correlation بين البيانات المتوفرة لديك. وقد تكون البيانات معقدة للغاية ولا يمكن التكهن ها. لذا في هذه الحالات تقوم بتنظيم بياناتك  normalize  في صيغة منطقية للمقارنة ، ثم ترك النموذج يعمل عليها ومحاولة العثور على بعض العلاقات. تتمثل احدى الخصائص المميزة لهذه النماذج في أنه يمكن للنموذج اقتراح طرق مختلفة لتصنيف بياناتك آو ترتيبها ، والأمر متروك لك لاجراء مزيد من الأبحاث لكشف النقاب عن شيء مفيد.
على سبيل المثال ، بعد معالجة جميع البيانات المتعلقة بجميع مستخدمي منتجك باستخدام خوارزمية غير خاضعة للاشراف ، قد يتم انشاء طريقة لتجميع المستخدمين الى مجموعتين. بعد فحص ومقارنة هاتين المجموعتين ، قد تجد آن المجموعة (أ) في موقع جغرافي ، والمجموعة (ب) في موقع آخر. يمكنك التصرف بناءا على هذا التقسيم المحدد للبيانات، واذا لم تستفيد من النتيجة يمكنك اعادة ترتيب البيانات والحصول على نتائج مختلفة.

في التعلم غير الخاضع للاشراف ، يحاول النظام اكتشاف البنية الخفية للبيانات أو الارتباطات بين المتغيرات. وفيه يجمع البرنامج البيانات المتشاهة الى مجموعات، ثم يتم تصنيف عينة الاختبار بناء على قرها آو بعدها من هذه المجموعات.

من آشهر خوارزميات التعلم الغير خاضع للاشراف خوارزمية K-Means . ومن التطبيقات التي تستخدم هذا النوع من التعلم كثيرا، تجميع العملاء أصحاب التفضيلات المتشاهة في نفس المجموعات. آو اكتشاف وتصنيف المجتمعات (الشخاص ذوو الاهتمامات المشتركة) في وسائل التواصل الاجتماعي.

تعلم التعزيز Reinforcement Learning

يستخدم البيانات المعلمة labeled data وغير المعلمة  nlabeled data . وهذا النوع مغيد لمن لا يستطيعوا تصنيف بياناتهم المعلمة. تسمح لنا هذه الطريقة بتحسين الدقة الى حد كبير ، لأننا نستطيع استخدام البيانات غير المعلمة في مجموعة التدريب مع كمية صغيرة من البيانات المعلمة. 

تعلم التعزيز Reinforcement Learning

يعتقد البعض ان خوارزميات تعلم الآلة هي خوارزميات التعلم تحت الاشراف و التعلم بدون اشراف فقط، ولكن هنالك خوارزميات تعلم آآلة آخرى مثل خوارزميات “تعلم التعزيز.”
تعلم التعزيز هو شبيه بالتعلم البشري، حيث تتعلم الخوارزمية سياسة كيفية التصرف في بيئة معينة. كل تصرف له بعض التأثير في البيئة ، وتوفر البيئة المكافأت rewards التي توجه خوارزمية التعلم.
يمكن آحيا انا استخدام اكثر من خوارزمية لأداء مهمة واحدة، كاستخدام خوارزمية التجميع، ثم تدريب خوارزمية تصنيف بناء عليها.

بعض خوارزميات تعلم الآلة  في الجدول أدناه

تم كتابة المقال من قبل
عبدالرحمن عثمان 

تعلم الآلة Machine Learning
Share on facebook
فاسبوك
Share on twitter
تويتر
Share on linkedin
لينكد إن
Share on whatsapp
واتساب

اترك تعليقاً

المشاركات الاخيرة

أحدث التعليقات

أفحص بحثك بالمجان

رفع الملف