نماذج البيانات والتعلم الآلي المسؤول
مُقدَّم| English | المعنى |
|---|---|
| primary key/ˈpraɪməri kiː/ | المفتاح الأساسي |
| data leakage/ˈdeɪtə ˈliːkɪdʒ/ | تسرب البيانات |
ما الذي يفسر هذه الملاحظة؟
- يمكن لنموذج أن يحقق درجة عالية عن طريق تعلم اختصار في بيانات التدريب. يجب أن يختبر التقييم المهمة المقصدة على أمثلة غير مرئية مناسبة.
- ابدأ بتوقع. حدد الكميات أو الخصائص التي ستقارنها، ثم حدد الدليل الذي يمكنه التمييز بين تفسيرين.
بناء النموذج
- تستخدم قواعد البيانات العلائقية الجداول والمفاتيح والعلاقات لتنظيم البيانات. يقدر التعلم الآلي الأنماط من البيانات. تخدم بيانات التدريب والتقييم أدواراً مختلفة.
- المفتاح الأساسي: مجموعة خصائص تُعرّف سجلًا بشكل فريد؛ تسرب البيانات: استخدام معلومات غير متاحة وقت التنبؤ المقصود.
لماذا يجب فصل بيانات الاختبار عن بيانات التدريب؟
Difficulty 1/5 · 100 coins + a small bonus on first completion today
يجب أن تكون بيانات الاختبار غير مرئية أثناء التدريب، وإلا ستقيّم النتيجة الحفظ بدلاً من التعميم. لا يمكن لأي تقسيم أن يضمن السببية أو التنبؤات الكاملة؛ بل يجعل التقييم صادقاً.
طابق كل مصطلح تقني مع معناه الدقيق.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
استخدم التعريفات للتمييز بين الكميات والعمليات ذات الصلة.
اختر دليلاً لاختبار الفرضية
- المفتاح الأساسي يُعرّف السجل فريداً؛ المفتاح الخارجي يربط السجلات. في التنبؤ، يمكن أن يكشف التسرب عن معلومات غير متاحة وقت القرار الحقيقي. قد تخفي الدقة وحدها توزيع هدف غير متوازن.
- استخدم سجلات الحجز الوهمية لتحديد الكيانات والسمات والعلاقات. بالنسبة للتمرين التعليمي، استخدم مجموعة بيانات عامة غير حساسة، وقم بفصل بيانات التدريب عن بيانات الاختبار، ووصف من قد يتأثر بالأخطاء. نطاق هدف 2027 CS الحالي ينتظر الدليل المكتسب.
أي عادة من العادتين تجعل التحقيق أو النموذج في هذه الحالة أكثر قابلية للدفاع؟
Difficulty 2/5 · 140 coins + a small bonus on first completion today
توضيح الشروط والافتراضات يسمح للآخرين بتكرار العمل بدقة، وتسجيل الأدلة الداعمة يتيح لهم التحقق من الاستنتاج. إخفاء النتائج المتعارضة يزيل الأدلة التي قد تتحدى استنتاجًا خاطئًا، ولا يمكن لقياس واحد أن يثبت ادعاءً أوسع.
اعتمد على كميات معروفة
- أدر القيم المعروفة ووحداتها. اختر العلاقة لأن افتراضاتها تتناسب مع هذه الحالة، ثم أعد ترتيب المعادلة قبل التعويض.
- معلوم: يصنّف مُصنِّف 90 تنبؤات صحيحة بين 100 حالة. الدقة = الصحيح/الإجمالي×100 = 90%. إذا كانت 90 حالات تتبع فئة واحدة، فإن التنبؤ بهذه الفئة دائمًا يعطي نفس الدقة ولا يزال يمكنه فشل كل حالات الفئة الأقلية.
نموذج يُنتج 72 تنبؤات صحيحة من أصل 80. أوجد النسبة المئوية للدقة. استخدم نفس التسلسل: الكميات المعلومة → النموذج → العلاقة → التعويض → الوحدة والتفسير.
نموذج يقوم بـ 72 توقعات صحيحة من أصل 80. أوجد نسبة الدقة بالمئوية.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
النتيجة هي 90 ٪. المعطيات: 72 إجابة صحيحة من أصل 80. استخدم الدقة = الصحيح / الإجمالي × 100. الدقة = 72/80 × 100 = 90 ٪. مع مجموعة غير متوازنة، قد يخفي هذا الرقم الفشل في الفئة الأقلية.
تحقق من الاستنتاج وحدوده
- الدقة العالية ليست دليلاً على العدالة أو الفهم السببي. المفتاح الأساسي لقاعدة البيانات ليس ببساطة أي حقل يبدو مهماً.
- عُد إلى الملاحظة الأصلية. اشرح ما يدعمه النتيجة، وما هي الشروط التي تفترضها، وطريقة واحدة لاختبار تفسير منافس.
يجب أن يعامل المُصنّف كل فئة بنفس الكفاءة إذا كانت دقته 90%. هذا الادعاء خاطئ: إذا كانت 90 من 100 حالات الفئة أ، فإن الإجابة الدائمة بأ تعطي 90% بينما تفشل في جميع الفئات الأخرى. يجب قراءة الدقة جنبًا إلى جنب مع نتائج كل فئة وتوازن الفئات.
نماذج البيانات وتعلم الآلة المسؤول: المفتاح الأساسي يحدد سجلاً فريداً؛ والمفتاح الأجنبي يربط السجلات. في التنبؤ، قد يكشف تسريب المعلومات عن بيانات غير متاحة وقت اتخاذ القرار الحقيقي. قد تخفي الدقة وحدها توزيع الهدف غير المتوازن.
مصنف بدقة 90% يجب أن يعامل كل فئة بنفس الكفاءة.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
إذا كانت 90 من 100 حالة هي الفئة أ، فإن الإجابة المستمرة بأ scored 90 ٪ بينما تفشل في كل فئة أخرى. يجب قراءة الدقة جنباً إلى جنب مع نتائج كل فئة وتوازن الفئات.
مجموعة من السمات تحدد سجلاً فريداً: اكتب المصطلح التقني.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
المفتاح الأساسي يعني مجموعة خصائص تُعرِّف فريداً سجلاً.