قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
التنظيم L1
تقنية تنظيم تضيف عقوبة تساوي القيمة المطلقة لمعاملات النموذج، مما يشجع على التفرق ويقوم تلقائيًا بإزالة الميزات غير ذات الصلة.
التنظيم L2
طريقة عقاب تضيف مصطلحًا متناسبًا مع مربع المعاملات، مما يقلل من حجمها دون إلغائها بالكامل لمواجهة فرط التخصيص.
الشبكة المرنة
مزيج خطي من تنظيمات L1 و L2 الذي يرث خصائص اختيار المتغيرات من Lasso واستقرار Ridge، وهو فعال بشكل خاص في وجود ميزات مترابطة.
هايبربارامتر لامدا
معامل التنظيم الذي يتحكم في شدة العقوبة المطبقة على المعاملات، حيث أن لامدا=0 يتوافق مع عدم وجود تنظيم ولامدا المرتفع يزيد من القيد.
النظمة L1
نظمة متجهية تُحسب كمجموع القيم المطلقة للمكونات، وتُستخدم كحد عقابي في تنظيم L1 لإحداث التفرق.
النظمة L2
النظمة الإقليدية تُحسب كالجذر التربيعي لمجموع مربعات المكونات، وتُستخدم في تنظيم L2 لعقوبة المعاملات الكبيرة.
الانكماش
عملية تقليل منهجي لحجم معاملات النموذج نحو الصفر لتقليل التعقيد وتحسين التعميم.
معضلة التحيز-التباين
توازن أساسي في التعلم الآلي بين تقليل التحيز (الخطأ المنهجي) وتقليل التباين (الحساسية لتقلبات البيانات).
معامل ألفا
معامل الخلط في Elastic Net يتراوح بين 0 (تنظيم L2 نقي) و 1 (تنظيم L1 نقي) لضبط النسبة النسبية للعقوبتين.
مسار التنظيم
مسار حلول النموذج عند تغير معامل التنظيم، مما يسمح بتحليل تطور المعاملات واختيارها التدريجي.
متجه الأوزان
مجموعة المعاملات المضاعفة المطبقة على الميزات في نموذج خطي، التي يتم التحكم في حجمها من خلال تقنيات التنظيم.
عقوبة المجموعة
امتداد للتنظيم L1/L2 يعاقب مجموعات من المعاملات في وقت واحد، وهو مفيد للتعامل مع متغيرات فئوية أو منظمة.
التنظيم التكيفي
متغير من التنظيم حيث يتلقى كل معامل عقوبة مخصصة بناءً على تقديرات أولية، مما يسمح باختيار أكثر دقة للمتغيرات.
معيار المعلومات
مقاييس مثل AIC أو BIC التي توازن بين ملاءمة النموذج وتعقيده، وتُستخدم غالبًا لاختيار معامل التنظيم الأمثل.
الانحدار التدريجي المنظم
خوارزمية تحسين تدمج شروط العقوبة L1/L2 مباشرة في دالة الهدف لتدريب النماذج المنظمة بكفاءة.
الانحدار الإحداثي
طريقة تحسين فعالة بشكل خاص للتنظيم L1 تقوم بتحديث المعاملات واحدة تلو الأخرى بشكل تحليلي.