الانحدار والذكاء الاصطناعي في الممارسة العملية
| English | العربية |
|---|---|
| regression/rɪˈɡreʃn/ | الانحدار |
| classification/ˌklæsɪfɪˈkeɪʃn/ | التصنيف |
| linear regression/ˈlɪnɪə rɪˈɡreʃn/ | الانحدار الخطي |
| OCR/ˌəʊ siː ˈɑː/ | OCR |
التنبؤ برقم، وليس باسم
- اسأل النموذج "هل هذه الرسالة إلكترونية مزعجة؟" ويجب أن يختار من مجموعة ثابتة من الإجابات. اسأله "كم ستُباع هذه المنزل؟" ولا توجد مجموعة للاختيار منها: الإجابة رقم، وأن يكون الفرق ألف جنيه تقريبًا هو قريب من الصواب.
- هذان مهمتان مختلفتان، والخلط بينهما هو الخطأ الأكثر شيوعًا في هذا الموضوع. كلاهما تعلم مشرف؛ يختلف فقط شكل الإجابة.
- هذه الدرس是关于 الانحدار مقابل التصنيف، كيف تختار الانحدار الخطي خطه، وكيف تربط المنتجات الحقيقية نماذج مدربة في سلسلة عمل.
الانحدار والتصنيف
- التصنيف يتنبأ بـ فئة من مجموعة ثابتة: قطة أو كلب، رسالة مزعجة أو لا، أي من عشرة أرقام.
- الانحدار يتنبأ بـ رقم على مقياس مستمر: سعر منزل، درجة حرارة الغد، كم ستستغرق الرحلة من الوقت.
- كلاهما مشرف: كلاهما يتعلم من أمثلة موصوفة. يتم تحديد الاختيار بينهما بسؤال واحد: هل الإجابة تصنيف أم رقم؟
- يغير هذا التمييز كيفية قياس النجاح. المصنف إما صحيح أو خاطئ؛ المتحد (regressor) يبعد مسافة معينة، ولهذا السبب تختلف دوال الخسارة الخاصة بهما.
الفرق بين الانحدار والتصنيف هو أن الانحدار يتنبأ بـ:
ينتج الانحدار رقماً متصلاً (سعر، درجة حرارة)؛ وينتج التصنيف فئة.
يتنبأ الانحدار برقم متصل (سعر، درجة حرارة)، بينما يتنبأ التصنيف بفئة (قطة مقابل كلب).
رقم مخرج = انحدار؛ فئة مخرج = تصنيف — النوعان الرئيسيان للتنبؤ الإشرافي.
مثال محلول: أي مهمة هي أي مهمة
- التنبؤ بأي نوع من خمسة أنواع عملاء ينتمي إليه المشتري. تصنيف: الإجابة واحدة من مجموعة ثابتة من الفئات.
- التنبؤ بما سيصرفه ذلك المشتري الشهر القادم. انحدار: الإجابة رقم، والاقتراب يُحسب كقريب من الصواب.
- التنبؤ بما إذا كانت الآلة ستتعطل في الأسبوع المقبل. تصنيف: نعم أو لا. التنبؤ بعدد الأيام قبل تعطلها. انحدار.
- يمكن لنفس البيانات الأساسية أن تغذي كليهما. اقرأ السؤال المطروح، لا المادة.
طابق مهمة التنبؤ مع نوعها.
يمكن لهذه البيانات أن تغذي كليهما. اقرأ السؤال: هل التسمية من مجموعة ثابتة، أم رقم على مقياس?
الانحدار الخطي
- الانحدار الخطي يلائم خطًا مستقيمًا، أو سطحًا مسطحًا عندما تكون هناك عدة مدخلات:
- تُختار المعاملات لـ تقليل مجموع مربعات الأخطاء بين تنبؤات الخط والقيم الفعلية للتدريب.
- تربيع، لسببين تقبلهم الامتحانات: الأخطاء فوق وتحت الخط لا يمكن أن تلغي بعضها البعض بعد التربيع، والمخطأ الكبير يُعاقب أكثر بكثير من عدة أخطاء صغيرة.
الخط الذي يترك أقل إجمالي للمسافة المربعة
ملاءمة خط انحدار
اسحب التحكمات. يرسم الانحدار الخطي المستقيم الذي يجعل مجموع مربعات المسافات إلى نقاط البيانات أقل ما يمكن — ثم يتنبأ برقم لأي مدخل جديد.
يختار الانحدار الخطي معاملاتاته لـ:
هو يطابق الخط/الأهراب الذي يجعل الفروق المربعة عن نقاط البيانات أقل ما يمكن.
لماذا يقلل الانحدار الخطي مجموع المربعات للأخطاء بدلاً من الأخطاء نفسها؟
كلا السببَين مقبولان. بدون التربيع، يمكن لخط أن يكون له خطأ ضخم فوق وتحت ويظل يحصل على صفر.
متى يكون الخط المستقيم هو النموذج المناسب
- استخدم الانحدار الخطي عندما تبدو العلاقة خطية تقريبًا وتريد نموذجًا يمكن للبشر قراءته: كل معامل يقول quanto ذلك المدخل مهم، وفي أي اتجاه.
- عندما تنحني البيانات، نفس الفكرة لا تزال مطبقًا مع نموذج مختلف: انحدار كثير الحدود، شجرة قرار، أو شبكة عصبية. في كل حالة الوصفة متطابقة، اختر نموذجًا، عرّف خسارة، قلّله.
- هذه الوصفة هي ما يربط هذا الدرس بالدرس السابق: الهبوط التدريجي هو ببساطة كيفية القيام بالتقليل عندما لا توجد صيغة للإجابة.
الذكاء الاصطناعي في منتج حقيقي
- الأنظمة الحقيقية نادرًا ما تستخدم نموذجًا واحدًا. تربط عدة نماذج مدربة في سلسلة عمل، كل منها يقوم بخطوة واحدة.
- التعرف على الوجه عند باب: يلتقط الكاميرا وجهًا، يحول التعرف على الصور تمثيلًا عدديًا، ويتم مقابنته مع تمثيلات الأشخاص المسجلين.
- قراءة لافتة بصوت عالٍ للمسافر: يحدد التعرف على الصور النص، OCR يحول البكسلات إلى أحرف، الترجمة الآلية تحول الكلمات، والنص إلى كلام ينتج الصوت.
- يعطي الامتحان سيناريو ويطلب تحديد النماذج المستخدمة، بالترتيب. سمِّ المرحلة وما تنتجه للمرحلة التالية.
طابق كل فكرة ذكاء اصطناعي بما تعنيه.
التدريب يلائم النموذج مرة واحدة؛ والاستدلال هو التنبؤ السريع في كل مرة يتفاعل فيها المستخدم.
ميزة "قراءة لافتة بصوت عالٍ" عادة ما تربط أي نماذج؟
تشكيل سلسلة من النماذج المدربة: العثور على النص، استخراج الأحرف، الترجمة، ثم النطق.
رتب مراحل تطبيق يقرأ لافتة أجنبية بصوت عالٍ.
عدة نماذج مدربة مرتبطة ببعضها، كل منها يُمرر مخرجاته إلى التالي. سمِّ المرحلة وما تنتجه.
مثال محلول: التدريب مقابل الاستنتاج
- تطبيق هاتف يتعرف على نبات من صورة فوريًا، ومع ذلك استغرق تدريب نموذجه أسابيع على أجهزة متعددة. اشرح لماذا.
- التدريب يشغل مرורים أمامية وعكسية بشكل متكرر على مجموعة كبيرة جدًا من البيانات الموصوفة، ويعدّل ملايين الأوزان على مدار عدة epochs. هذا هو ما استغرق أسابيع.
- الاستنتاج (Inference)، باستخدام النموذج المدرب، هو مرور أمامي واحد عبر شبكة تكون أوزانها الآن ثابتة: اضرب، اجمع، فعّل، طبقة تلو الأخرى، مرة واحدة فقط.
- الذكاء يكمن في الأوزان المتعلمة، ولهذا السبب يكون النموذج النهائي صغيرًا بما يكفي وسريعًا بما يكفي ليعمل على الهاتف.
استخدام نموذج مدرب للتنبؤ يتطلب مروراً أمامياً واحداً فقط ____.
يتكرر التدريب المراتب الأمامية والعكسية عبر dataset ضخم؛ بينما يعمل الاستدلال على الأوزان الثابتة مرة واحدة، ولهذا فهو فوري.
علامات ضائعة
- التصنيف يعطي فئة، والتنبؤ بالخطأ يعطي رقمًا. كلاهما إشرافي؛ وهذا ليس الفرق بينهما.
- الانحدار الخطي يُصغّر مجموع مربعات الأخطاء، لا "المسافة الإجمالية". قل المربع، واذكر السبب.
- يجب أن تعطي مراحل الإجابة بترتيبها وتوضح ما تسلمه كل مرحلة للمرحلة التالية.
- التدريب يتكون من تكرار المراتب الأمامية والخلفية؛ أما الاستنتاج فهو مرور أمامي واحد. لا تصف التدريب عندما يسأل السؤال عن الاستخدام.
لقد فهمت الأمر
- التصنيف يتنبأ بفئة، والتنبؤ بالخطأ يتنبأ برقم؛ كلاهما إشرافي، وشكل إجابة السؤال يحدد أيّهما.
- الانحدار الخطي يلائم $y = m_1x_1 + \ldots + c$ عن طريق تقليل مجموع مربعات الأخطاء، لذا لا يمكن للأخطاء أن تلغي بعضها البعض وتُعاقب الأخطاء الكبيرة بشدة
- البيانات المنحنية تحتاج إلى نموذج آخر، لكن الوصفة لم تتغير: اختر نموذجًا، عرّف دالة الخسارة، صغرها
- المنتجات الحقيقية ترتب النماذج: التعرف على الصور، التعرف الضوئي على الحروف (OCR)، الترجمة، وتحويل النص إلى كلام؛ التدريب يتطلب مراتب أمامية وخلفية متعددة، بينما الاستنتاج هو مرور أمامي واحد