ריגרסיה ובינה מלאכותית בפועל
הוצג| English | משמעות |
|---|---|
| regression/rɪˈɡreʃn/ | ריגרסיה |
| classification/ˌklæsɪfɪˈkeɪʃn/ | סיווג |
| linear regression/ˈlɪnɪə rɪˈɡreʃn/ | רגרסיה ליניארית |
| OCR/ˌəʊ siː ˈɑː/ | זיהוי דמויות אופטיות |
חיזוי מספר, לא שם
- שאלו לדגם "האם דוא"ל זה ספאם?" ועליו לבחור מתוך סט קבוע של תשובות. שאלו אותו "כמה הבית יימכר ב-?" ואין סט לבחור ממנו: התשובה היא מספר, וטייה של אלף לירה היא כמעט נכון.
- אלו שתי משימות נפרדות, והבלבול ביניהן הוא הטעות הנפוצה ביותר בנושא זה. שתיהן הן למידה מופקחת; ההבדל היחיד הוא בצורת התשובה.
- שיעור זה עוסק בריגרסיה לעומת מיון, כיצד ריגרסיה ליניארית בוחרת את הקו שלה, וכיצד מוצרים אמיתיים מקשרים מודלים מאומנים לפינות תהליך.
ריגרסיה ומיון
- מיון (Classification) מתחזה קטגוריה מתוך סט קבוע: חתול או כלב, דוא"ל זבל או לא, איזה מתוך עשרת הספרות.
- ריגרסיה (Regression) מתחזה מספר בקנה מידה רציף: מחיר בית, טמפרטורה של מחר, כמה יעלה הזמן לנסיעה.
- שתיהן מופקחות: שתיהן לומדות מדוגמיות מסומנות. הבחירה ביניהן נקבעת על ידי שאלה אחת: האם התשובה היא תווית או מספר?
- ההבחנה משנה את צורה המדידה להצלחה. במיון התוצאה נכונה או שגויה; בריגרסיה ישנו סטייה מסוימת, ולכן פונקציות האובדן שלהן שונות.
ההבדל בין רגרסיה לסיווג הוא שהרגרסיה חוזה:
Difficulty 1/5 · 100 coins + a small bonus on first completion today
הרגרסיה מוצרת מספר רציף (מחיר, טמפרטורה); הסיווג מוצר קטגוריה.
ריגרסיה מנבאת מספר רציף (כגון מחיר, טמפרטורה), בעוד שקלאסיפיקציה מנבאת קטגוריה (חתול לעומת כלב).
Difficulty 1/5 · 100 coins + a small bonus on first completion today
יציאת מספר = רגרסיה; יציאת קטגוריה = קלאסיפיקציה — שני סוגי הנבואה המופעלת העיקריים.
דוגמה מפורטת: איזו משימה ואיזו
- חיזוי לאיזו מתוך חמישה סוגי לקוחות קונה שייך. מיון: התשובה היא אחת מהסט הקבוע של קטגוריות.
- חיזוי כמה הקונה הזה י spending בחודש הבא. ריגרסיה: התשובה היא מספר, וקירוב נחשב כמעט נכון.
- חיזוי האם מכונה תיקרע בשבוע הבא. מיון: כן או לא. חיזוי לכמה ימים עד שהמכונה תקרע. ריגרסיה.
- אותם נתונים בסיסיים יכולים לשמש לכל אחד מהם. קרא את השאלה שנשאלת, ולא את נושא העסק.
התאם כל משימת נבואה לסוג שלה.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
אותו נתונים יכולים לשמש את שניהם. קרא את השאלה: תווית ממ set קבוע, או מספר בסולם.
ריגרסיה ליניארית
- ריגרסיה ליניארית מושיקה קו ישר, או משטח שטוח כאשר ישנם מספר קלטות:
- המקדם (הביטויים) נבחרים כדי למזער את סכום השגיאות הריבועיות בין החיזויים של הקו לערכי האימון בפועל.
- ריבוע, לשתי סיבות שהבחינה מקבלת: שגיאות מעל ומתחת לקו לא יכולות לבטל זו את זו, ושגיאה גדולה עונשת הרבה יותר ממספר שגיאות קטנות.
הקו שמשאיר את סכום המרחק הריבועי הקטן ביותר
התאמת קו רגרסיה
גרור את הבקרים. רגרסיה ליניארית מציירת את הקו הישר שגורם למרחקים הריבועיים לנקודות הנתונים להיות מינימליים — ולאחר מכן היא חוזה מספר לכל כניסה חדשה.
רגרסיה ליניארית בוחרת את המקדמים שלה כדי:
Difficulty 1/5 · 100 coins + a small bonus on first completion today
היא מתאימה את הקו/ההיפרפנים שמקטן ככל האפשר את ההפרשים הריבועיים מנקודות הנתונים.
מדוע רגרסיה ליניארית מקטינה את סכום השגיאות הריבועיות ולא את השגיאות עצמן?
Difficulty 1/5 · 100 coins + a small bonus on first completion today
שתי הסיבות מתקבלות. ללא הריבוע, ייתכן שקו יהיה עם שגיאה גדולה מעל ומתחת ויוסיף אפס.
מתי קו ישר הוא המודל המתאים
- השתמש בריגרסיה ליניארית כאשר הקשר נראה ליניארי בקירוב ואתה רוצה מודל שאדם יכול לקרוא: כל מקדם אומר כמה הכניסה הזו חשובה, ובאיזה כיוון.
- כאשר המידע מתעקם, אותה עיקרון נשאר תקף עם מודל אחר: רגרסיה פולינומית, עץ החלטות או רשת עצבית. בכל מקרה התבנית זהה: בחרו מודל, הגדירו פונקציית איבוד, מינימוזו אותה.
- תבנית זו היא מה שמחבר את שיעור זה לקודם: ירידת מעריכה היא פשוט הדרך שבה מבוצעת המינימיזציה כאשר אין נוסחה לתשובה.
בינה מלאכותית במוצר אמיתי
- מערכות אמיתיות נדירות שמשתמשות במודל אחד. הן מקשרות מספר מודלים מאומנים ל-מערכת (פייפליין), כאשר כל אחד מבצע שלב אחד.
- זיהוי פנים בדלת: מצלמה צולמת פנים, זיהוי תמונות ממיר אותו לייגום מספרי, והוא מושווה לייגומים של אנשים רשומים.
- קריאת שלט בקול לעובר: זיהוי תמונות מזהה את הטקסט, OCR ממיר את הפיקסלים לאותיות, תרגום מכונה ממיר את המילים, ו-טקסט-לקול מייצר את האודיו.
- המבחן נותן סצנה ושואה אילו מודלים משמשים, בסדר. ציינו את השלב ומה הוא מייצר לשלב הבא.
התאם כל רעיון AI למשמעות שלו.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
אימון מכוון את הדגם פעם אחת; הסקירה היא החיזוי המהיר בכל פעם שמשתמש נכנס לאינטראקציה.
פונקציית "קריאת שלט בקול" בדרך כלל מקשרת אילו דגמים?
Difficulty 1/5 · 100 coins + a small bonus on first completion today
מספר דגמים מאומנים יוצרים פייפליין: למצוא את הטקסט, לחלץ את האותיות, לתרגם, ולאחר מכן להשמיע.
סדר את שלבי האפליקציה שקוראת שלט זר בקול.
Difficulty 3/5 · 200 coins + a small bonus on first completion today
מספר דגמים מאומנים מקושרים זה לזה, כאשר כל אחד מעביר את התוצאה לדגם הבא. ציין את השלב ומה שהוא מייצר.
דוגמה פתורה: אימון לעומת היסק
- אפליקציה בטלפון מזהה צמח מתמונה מיידית, אך אימון המודל שלה קח שבועות על מכונות רבות. הסבירו מדוע.
- אימון מריץ חוזר ושוב מעברים קדימה ואחורה על מאגר נתונים תווית גדול מאוד, ומכוון מיליוני משקלים לאורך מספר רב של אפוקות. זה מה שלקח שבועות.
- היסק, שימוש במודל המאומן, הוא מעבר קדימה אחד ברשת שבה המשקלים קבועים כעת: כפלו, הוסיפו, הפעילו, שכבה אחר שכבה, פעם אחת.
- הבינה נמצאת ב-משקלים שנלמדו, ולכן המודל המוגמר קטן ומהיר מספיק כדי להישלח על טלפון.
שימוש בדגם מאומן כדי לבצע חיזוי דורש רק מעבר ____ אחד.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
האימון חוזר על מעברים קדימה ואחורה על מאגר נתונים ענק; הביצוע (inference) רץ את המשקלים הקבועים פעם אחת, ולכן הוא מיידי.
סימונים נופלים מהיד
- מיון נותן קטגוריה, רגרסיה נותנת מספר. שניהם מופקחים; זה לא ההבדל.
- רגרסיה ליניארית מינימיזת את סכום השגיאות הריבועיות, לא "המרחק הכולל". אמרו ריבוע, והסבירו מדוע.
- תשובה למערכת חייבת לתת את השלבים בסדר ולומר מה כל אחד נותן לבא.
- אימון הוא מעברים קדימה ואחורה חוזרים; היסק הוא מעבר קדימה אחד. אל תתארו אימון כאשר השאלה שואלת על שימוש.
הבנתך מושלמת
- מיון חוזה קטגוריה, רגרסיה חוזה מספר; שניהם מופקחים, ועיצוב התשובה בשאלה קובע איזה
- רגרסיה ליניארית מתאימה $y = m_1x_1 + \ldots + c$ על ידי מינימיזציה של סכום השגיאות הריבועיות, כך ששגיאות לא יכולות לבטל זו את זו וגדולות מועדות בחומרה
- מידע מעוקם צריך מודל אחר, אבל התבנית לא השתנתה: בחרו מודל, הגדירו איבוד, מינימוזו אותו
- מוצרים אמיתיים מקשרים מודלים: זיהוי תמונה, OCR, תרגום וטקסט-לקול; אימון הוא הרבה מעברים קדימה ואחורה, הסק הוא מעבר קדימה אחד