قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
عينة مرجحة
مثال تدريبي مرتبط بوزن يشير إلى أهميته النسبية في الخوارزمية، حيث يتم تعديل هذه الأوزان بشكل متكرر بناءً على أخطاء التصنيف.
معدل الخطأ
نسبة الأمثلة المصنفة بشكل خاطئ بواسطة مصنف، وتستخدم في AdaBoost لحساب وزن المصنف في القرار النهائي وتعديل أوزان الأمثلة.
معامل ألفا
الوزن المخصص لكل مصنف ضعيف في نموذج AdaBoost النهائي، ويتم حسابه من معدل خطئه وفقًا للصيغة α = 0.5 * ln((1-خطأ)/خطأ).
الخسارة الأسية
دالة الخسارة المستخدمة بواسطة AdaBoost التي تعاقب أخطاء التصنيف بشكل أسي، مما يعزز التصحيح السريع للأمثلة المصنفة بشكل خاطئ.
تحديث وزن العينة
عملية تكرارية في AdaBoost حيث يتم زيادة أوزان الأمثلة المصنفة بشكل خاطئ وتقليلها للأمثلة المصنفة بشكل صحيح، مما يجبر المتعلم التالي على التركيز على الأمثلة الصعبة.
وزن التصويت
معامل ضرب يطبق على تنبؤ كل مصنف ضعيف أثناء التصويت المرجح النهائي في AdaBoost، بناءً على أدائه الفردي.
التعزيز التكيفي
المبدأ الأساسي لـ AdaBoost حيث تقوم الخوارزمية بتكييف استراتيجيتها ديناميكيًا من خلال التركيز على الأمثلة الأكثر صعوبة في كل تكرار.
التدريب التكراري
عملية تدريب متسلسلة حيث يتم تدريب كل نموذج جديد على نسخة معدلة من مجموعة البيانات الأصلية، مع الأخذ في الاعتبار أداء النماذج السابقة.
هامش التصنيف
مقياس ثقة التصنيف يُحسب على أنه الفرق بين الأوزان التراكمية للمصنفات التي تصوت للفئة الصحيحة وتلك التي تصوت للفئة الخاطئة.
الإفراط في التجهيز في التعزيز
ظاهرة حيث يتعلم نموذج AdaBoost بشكل مفرط من بيانات التدريب، خاصة عندما يكون عدد التكرارات مرتفعًا جدًا أو عندما تكون المتعلمات الضعيفة معقدة للغاية.