النزول إلى تعلّم الآلة: التدريب والخسارة

التدريب: إنّ التدريب يعني أنّ التعلّم (يحدّد) قيمًا جيدة لكل الأوزان والانحياز من الأمثلة المصنّفة. في التعلُّم الخاضع للإشراف، تُنشئ خوارزمية تعلُّم الآلة نموذجًا من خلال استكشاف العديد من الأمثلة ومحاولة العثور على نموذج يقلل الخسارة، وتُعرف هذه العملية باسم تقليل المخاطر التجريبية.

الخسارة هي عقوبة لتوقع سيئ. ويعني ذلك أنّ الخسارة هي رقم يشير إلى مدى جودة توقّع النموذج على مثال واحد. وإذا كان توقع النموذج مثاليًا، فستكون الخسارة صفرًا، وبخلاف ذلك، تكون الخسارة أكبر. الهدف من التدريب هو تحديد مجموعة من الأوزان والتحيزات التي تحقق خسارة منخفضة في المتوسط في جميع الأمثلة. على سبيل المثال، يعرض الشكل 3 نموذج فقدان مرتفع على اليسار ونموذج فقدان منخفض على اليمين. تجدُر الإشارة إلى ما يلي:

  • تمثّل الأسهم أسهم.
  • تشير الخطوط الزرقاء إلى التوقعات.

رسمتان خطيتان كارثيتان، يتضمّن كل منهما خطًا وبعض نقاط البيانات. في المخطّط الأول، يمثّل الخط مناسبًا جدًا للبيانات، وبالتالي تكون الخسارة مرتفعة. وفي المخطط الثاني، يكون الخط مناسبًا بشكلٍ أفضل للبيانات، وبالتالي تكون الخسائر منخفضة.

الشكل 3. خسارة عالية في النموذج الأيسر، أو خسارة منخفضة في النموذج المناسب.

 

لاحِظ أنّ الأسهم في الرسم البياني الأيمن أكبر بكثير من نظيراتها في الرسم البياني الأيمن. من الواضح أنّ الخط في الرسم البياني الصحيح هو نموذج قائم على التوقّعات أفضل من السطر الوارد في الرسم البياني الأيسر.

قد تتساءل عما إذا كان بإمكانك إنشاء دالة حسابية، وهي دالة خسارة، تعمل على تجميع الخسائر الفردية في طريقة مفيدة.

تستخدم نماذج النماذج التراجعية التي ندرسها هنا دالة فقدان تُسمّى الخسارة التربيعية (المعروفة أيضًا باسم L2 الخسارة). الضرب المربّع لمثال واحد هو ما يلي:

  = the square of the difference between the label and the prediction
  = (observation - prediction(x))2
  = (y - y')2

خطأ التربيع المربّع (MSE) هو متوسط الخسارة التربيعية لكل مثال على مجموعة البيانات بأكملها. لحساب MSE، اجمع كل الخسائر المربّعة للأمثلة الفردية ثم اقسمها على عدد الأمثلة:

$$ MSE = \frac{1}{N} \sum_{(x,y)\in D} (y - prediction(x))^2 $$

المكان:

  • \((x, y)\) مثال على
    • \(x\) هي مجموعة الميزات (مثل الثواني أو الدقيقة أو العمر أو الجنس) التي يستخدمها النموذج في إنشاء توقعات.
    • \(y\) هي مثال على المثال (على سبيل المثال، درجة الحرارة).
  • \(prediction(x)\) هو وظيفة من الترجيح والانحياز معًا في مجموعة من الميزات \(x\).
  • \(D\) هي مجموعة بيانات تحتوي على العديد من الأمثلة المصنّفة، وهي \((x, y)\) أزواج.
  • \(N\) هو عدد الأمثلة في \(D\).

بالرغم من أن MSE تُستخدَم عادةً في تعلُّم الآلة، فإنها ليست وظيفة الخسارة العملية الوحيدة أو أفضل وظيفة فقدان في جميع الظروف.

 

السابق
الانحدار الخطّي
التالي
التحقّق من مدى فهمك