قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
حد هوفدينغ
حد إحصائي يُستخدم في أشجار القرار التزايدية لتحديد ما إذا كانت السمة مثالية لتقسيم عقدة باحتمال مضمون، من خلال فحص عدد محدود من العينات.
CVFDT (شجرة القرار السريع للغاية المتكيفة مع المفهوم)
امتداد لـ VFDT يدمج آليات للكشف عن التكيف مع انحراف المفهوم (Concept Drift)، مما يسمح بتعديل ديناميكي لهيكل الشجرة دون الحاجة إلى إعادة البناء بالكامل.
EFDT (شجرة القرار السريعة للغاية)
خوارزمية محسنة لـ VFDT تعيد تقييم قرارات التقسيم السابقة بشكل دوري وتقوم بإعادة بناء أجزاء من الشجرة لتصحيح التقسيمات دون المستوى الأمثل، مما يوفر دقة أفضل مع تعقيد مماثل.
شجرة القرار المتدفقة
بنية شجرة قرار صُممت خصيصاً لمعالجة تدفقات البيانات المستمرة مع قيود على الذاكرة والوقت الثابت، دون الحاجة إلى تخزين البيانات التاريخية بالكامل.
التقسيم التزايدي
عملية تقسيم العقد في شجرة القرار التي تتم تدريجياً مع وصول بيانات جديدة، دون الحاجة إلى إعادة تقييم مجموعة البيانات بالكامل.
إحصائيات العقدة
عدادات مجمعة يتم الحفاظ عليها في كل عقدة من الشجرة التزايدية لتتبع توزيعات الفئات وإحصائيات السمات، وهي ضرورية لقرارات التقسيم القائمة على حد هوفدينغ.
فترة السماح
الحد الأدنى لعدد العينات التي يجب أن تلاحظها العقدة قبل أن تكون مؤهلة للتقسيم، مما يضمن الموثوقية الإحصائية لقرارات التقسيم في الأشجار التزايدية.
تقليم الشجرة (تزايدي)
تقنية تقليم تكيفية في أشجار القرار التزايدية تزيل الفروع التي أصبحت قديمة أو ذات أداء ضعيف نتيجة لانحراف المفهوم، مما يحسن هيكل الشجرة باستمرار.
المعالجة الفعالة من حيث الذاكرة
استراتيجية في أشجار القرار التزايدية تقيد استخدام الذاكرة عند O(log n) حيث n يمثل عدد الحالات المعالجة، وذلك بفضل الإدارة الذكية لإحصائيات العقد.
التقليم المسبق التزايدي
آلية استباقية في الأشجار التزايدية تمنع إنشاء فروع قد تكون غير مفيدة، بناءً على معايير إحصائية، قبل اكتمال تطورها.
تقييم السمات
عملية مستمرة لتقييم السمات المرشحة لتقسيم العقد في الأشجار التزايدية، باستخدام مقاييس مثل كسب المعلومات أو مؤشر جيني (Gini) بطريقة تزايدية.
تكيف عقد الأوراق
آلية للتحديث الديناميكي للتنبؤات عند أوراق الشجرة بناءً على الحالات الجديدة، مما يتيح التكيف مع تغيرات التوزيع دون تعديل بنية الشجرة.
استراتيجية كسر التعادل
قاعدة فك التعادل المستخدمة في أشجار القرار التزايدية عندما يكون لعدة سمات أداء إحصائي متكافئ، وغالباً ما تعتمد على الاستدلالات الإرشادية لتعزيز البساطة.
التعلم القائم على الحالات
نموذج تعلم في الأشجار التزايدية حيث تؤثر كل حالة جديدة فوراً على النموذج، على عكس التعلم الدفعي الذي يتطلب عدة مرورات على البيانات.