قاموس الذكاء الاصطناعي

📖

المصطلحات

تسرب المعلومات

مخاطرة في التجميع (stacking) حيث يتم تدريب النموذج الفوقي (meta-model) على نفس البيانات التي تدربت عليها النماذج الأساسية، مما يؤدي إلى فرط التخصيص (overfitting) الذي يسعى المزج (blending) لتجنبه عبر التحقق بالاحتجاز (hold-out validation).

📖

المصطلحات

ترجيح التنبؤات

تقنية في المزج (blending) حيث يتعلم النموذج الفوقي (meta-model) الأوزان المثلى لدمج تنبؤات النماذج الأساسية، غالبًا عبر انحدار خطي بسيط.

📖

المصطلحات

تقسيم الاحتجاز الطبقي

تقسيم طبقي لمجموعة بيانات التحقق بالاحتجاز (hold-out validation set) في المزج (blending) لضمان الحفاظ على توزيع الفئات، وهو أمر ضروري لمشاكل التصنيف غير المتوازنة.

📖

المصطلحات

المزج متعدد المستويات

توسيع للمزج (blending) حيث تصبح تنبؤات النموذج الفوقي الأول مدخلات لنموذج فوقي ثانٍ، مما يخلق تسلسلاً هرميًا من تركيبات التنبؤات.

📖

المصطلحات

المزج المتقاطع

متغير من المزج (blending) يستخدم عدة تقسيمات احتجاز (hold-out splits) ويقوم بمتوسط تنبؤات النماذج الفوقية المقابلة لتقليل التباين المرتبط بالاختيار المحدد للاحتجاز.

📖

المصطلحات

معايرة التنبؤات

خطوة في المزج (blending) حيث يتم إعادة معايرة احتمالات مخرجات النماذج الأساسية قبل تقديمها إلى النموذج الفوقي (meta-model) لضمان الاتساق في مقياس التنبؤات.

📖

المصطلحات

المزج العشوائي

نهج يتم فيه اختيار مجموعة بيانات التحقق بالاحتجاز (hold-out validation set) عشوائيًا عبر عدة تكرارات، مما يؤدي إلى تدريب عدة نماذج فوقية (meta-models) يتم بعد ذلك متوسط تنبؤاتها.

📖

المصطلحات

المزج الزمني

تطبيق المزج (blending) على البيانات الزمنية حيث يحترم الاحتجاز (hold-out) الترتيب الزمني، باستخدام الفترات الحديثة لتدريب النموذج الفوقي (meta-model) على التنبؤات الماضية.

📖

المصطلحات

تحسين نسبة التقسيم الاحتياطي

عملية تحديد النسبة المثلى للبيانات التي يجب تخصيصها للتحقق بالتقسيم الاحتياطي (hold-out validation) في المزج، مع موازنة جودة تدريب النماذج الأساسية والنموذج الفوقي.

📖

المصطلحات

المزج التكيفي

طريقة يقوم فيها النموذج الفوقي بتعديل مزيجه من التنبؤات ديناميكيًا بناءً على الأداء الملاحظ لكل نموذج أساسي على شرائح مختلفة من البيانات.