قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
منحنى التحقق
رسم بياني يوضح أداء النموذج على مجموعة تحقق منفصلة بالتوازي مع منحنى التعلم للكشف عن الإفراط في التمرين.
نقطة التقارب
اللحظة التي تستقر فيها منحنيات التعلم والتحقق، مما يشير إلى أن إضافة المزيد من البيانات لن يحسن الأداء بشكل كبير.
فجوة التعميم
الفرق بين الأداء على بيانات التدريب وبيانات التحقق، لقياس قدرة النموذج على التعميم على بيانات جديدة.
خطأ التعلم
قياس الخطأ الذي يرتكبه النموذج على مجموعة التدريب، ويستخدم كمرجع لتقييم الإفراط المحتمل في التمرين.
خطأ التحقق
أداء النموذج المُقيم على مجموعة بيانات لم تُستخدم أثناء التدريب، مما يعكس قدرته الحقيقية على التعميم.
هضبة التعلم
المرحلة التي لا ينتج فيها إضافة المزيد من بيانات التدريب تحسناً كبيراً في أداء النموذج.
تشخيص الانحياز
تحليل منحنى التعلم لتحديد ما إذا كان النموذج يعاني من نقص التعلم (انحياز مرتفع) مما يتطلب نموذجاً أكثر تعقيداً.
تشخيص التباين
تحديد الإفراط في التمرين (تباين مرتفع) عندما يكون خطأ التدريب منخفضاً ولكن خطأ التحقق يظل مرتفعاً.
تعقيد النموذج
عامل يؤثر على شكل منحنى التعلم، حيث يميل النموذج المعقد جداً إلى الإفراط في التعلم بينما النموذج البسيط جداً يقلل من التعلم.
الحجم الحرج للعينة
الحد الأدنى لعدد بيانات التدريب اللازمة لتحقيق أداء مستقر وقابل للتعميم للنموذج.
منحنى التعلم لكل فئة
تحليل منفصل لمنحنيات التعلم لكل فئة مخرجات، مفيد بشكل خاص في مشاكل التصنيف غير المتوازنة.
معدل التحسين الهامشي
قياس الكسب في الأداء المتحقق من إضافة وحدات إضافية من بيانات التدريب، مما يساعد في تقرير مدى ملاءمة جمع المزيد من البيانات.
التحقق المتقاطع التكراري
تقنية تجمع بين التحقق المتقاطع ومنحنيات التعلم لتقييم الأداء بشكل قوي عند أحجام عينات مختلفة.
الضوضاء في البيانات
خطأ عشوائي في بيانات التدريب يؤثر على شكل منحنى التعلم ويحد من الأداء القابل للتحقيق للنموذج.