قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
دالة السينويد (Sigmoid)
دالة رياضية على شكل حرف S التي تحول أي قيمة حقيقية إلى احتمال يتراوح بين 0 و 1، وتُستخدم كدالة تنشيط في الانحدار اللوغاريتمي.
دالة اللوغيت (Logit)
دالة ربط لوغاريتمية تحول الاحتمالات إلى مقياس لوغاريتمي، وتُعرّف بأنها اللوغاريتم الطبيعي لنسب الاحتمالات (odds) لاحتمالية النجاح.
الاحتمالية القصوى (Maximum Likelihood)
طريقة لتقدير معلمات النموذج التي تزيد من احتمالية ملاحظة بيانات التدريب بالنظر إلى معلمات النموذج.
التحيز (الإعتراض)
الحد الثابت في معادلة الانحدار اللوغاريتمي الذي يمثل الاحتمالية الأساسية عندما تكون جميع المتغيرات التنبؤية مساوية للصفر.
الأوزان (المعاملات)
معلمات ضربية مرتبطة بكل متغير تنبؤي تقيس تأثيرها على احتمالية التصنيف.
حد القرار
مستوى فائق أو سطح يفصل بين الفئات المختلفة في فضاء الميزات، ويُعرّف بالمعادلة التي يكون فيها الاحتمال المتنبأ به يساوي 0.5.
نسبة الاحتمالات (Odds Ratio)
مقياس ارتباط يحدد كيف تتغير نسب الاحتمالات (odds) لنتيجة ما عند زيادة المتغير التنبؤي بمقدار وحدة واحدة، مع بقاء جميع المتغيرات الأخرى ثابتة.
التنظيم L1 (لاسو)
تقنية جزائية تضيف مجموع القيم المطلقة للمعاملات إلى دالة التكلفة، مما يشجع على اختيار المتغيرات تلقائيًا.
التنظيم L2 (Ridge)
طريقة عقوبة تضيف مجموع مربعات المعاملات إلى دالة التكلفة، مما يقلل من قوة المعاملات لمنع فرط التخصيص.
المنطقة تحت المنحنى (AUC)
مقياس تقييم يقيس احتمالية أن يصنف النموذج بشكل عشوائي مثالاً إيجابياً أعلى من مثال سلبي، يتراوح بين 0.5 و 1.
عتبة التصنيف
قيمة احتمالية حدية (عادة 0.5) تُستخدم لتحويل الاحتمالات المستمرة إلى تنبؤات فئات ثنائية.
الاحتمالية
دالة تقيس احتمالية رؤية البيانات بالنظر إلى معلمات النموذج، تُستخدم لتقدير المعلمات في الانحدار اللوجستي.
دالة التكلفة (Log Loss)
دالة عقوبات لوغاريتمية تقيس الابتعاد بين الاحتمالات المتوقعة والعلامات الحقيقية، تُستخدم لتحسين النموذج.
التقارب
حالة تتوقف فيها التكرارات المتتالية لخوارزمية التحسين عن تعديل معلمات النموذج بشكل كبير، مما يدل على الوصول إلى الحل الأمثل.
فئات غير متوازنة
حالة تكون فيها فئة واحدة ممثلة بشكل أقل بكثير من الفئة الأخرى في بيانات التدريب، مما يتطلب تقنيات أخذ العينات أو الترجيح.