التعلم الجماعي هو أسلوب للتعلم الآلي يتضمن الجمع بين نماذج متعددة لتحسين الأداء العام والقدرة التنبؤية للنظام. الفكرة الأساسية وراء التعلم الجماعي هي أنه من خلال تجميع تنبؤات نماذج متعددة، يمكن للنموذج الناتج أن يتفوق في كثير من الأحيان على أي من النماذج الفردية المعنية.
هناك عدة طرق مختلفة للتعلم الجماعي، اثنان من أكثرها شيوعًا هما التعبئة والتعزيز. تتضمن عملية التعبئة، وهي اختصار لعبارة bootstrap aggregating، تدريب مثيلات متعددة من نفس النموذج على مجموعات فرعية مختلفة من بيانات التدريب ثم دمج توقعاتها. وهذا يساعد على تقليل التجهيز الزائد وتحسين استقرار ودقة النموذج.
ومن ناحية أخرى، يعمل التعزيز من خلال تدريب سلسلة من النماذج، حيث يركز كل نموذج لاحق على الأمثلة التي أخطأت في تصنيفها بواسطة النماذج السابقة. من خلال ضبط أوزان أمثلة التدريب بشكل متكرر، يمكن أن يؤدي التعزيز إلى إنشاء مصنف قوي من سلسلة من المصنفات الضعيفة.
تعد الغابات العشوائية طريقة تعلم جماعية شائعة تستخدم التعبئة لدمج أشجار القرار المتعددة. يتم تدريب كل شجرة على مجموعة فرعية عشوائية من الميزات ويتم إجراء التنبؤ النهائي عن طريق حساب متوسط تنبؤات جميع الأشجار. تشتهر الغابات العشوائية بدقتها العالية ومتانتها في التجهيز الزائد.
هناك أسلوب شائع آخر للتعلم الجماعي وهو تعزيز التدرج، والذي يجمع بين العديد من المتعلمين الضعفاء، وعادةً ما تكون أشجار القرار، لإنشاء نموذج تنبؤي قوي. يعمل تعزيز التدرج عن طريق ملاءمة كل نموذج جديد مع الأخطاء المتبقية التي ارتكبتها النماذج السابقة، مما يقلل الخطأ تدريجيًا مع كل تكرار.
تم استخدام التعلم الجماعي على نطاق واسع في العديد من تطبيقات التعلم الآلي، بما في ذلك التصنيف والانحدار والكشف عن الشذوذ. من خلال الاستفادة من تنوع النماذج المتعددة، يمكن لطرق التجميع في كثير من الأحيان تحقيق تعميم وقوة أفضل من النماذج الفردية.
يعد التعلم الجماعي أسلوبًا قويًا في التعلم الآلي يتضمن الجمع بين نماذج متعددة لتحسين الأداء التنبؤي. من خلال الاستفادة من نقاط القوة في النماذج المختلفة وتقليل نقاط الضعف الفردية، يمكن لطرق التجميع تحقيق دقة وقوة أعلى في التطبيقات المختلفة.
أسئلة وأجوبة أخرى حديثة بخصوص EITC/AI/GCML تعلم الآلة على Google Cloud:
- النص إلى الكلام
- ما هي القيود المفروضة على العمل مع مجموعات البيانات الكبيرة في التعلم الآلي؟
- هل يمكن للتعلم الآلي تقديم بعض المساعدة الحوارية؟
- ما هو ملعب TensorFlow؟
- ماذا تعني مجموعة البيانات الأكبر في الواقع؟
- ما هي بعض الأمثلة على المعلمات الفائقة للخوارزمية؟
- ماذا لو لم تكن خوارزمية التعلم الآلي المختارة مناسبة وكيف يمكن التأكد من اختيار الخوارزمية الصحيحة؟
- هل يحتاج نموذج التعلم الآلي إلى الإشراف أثناء التدريب؟
- ما هي المعلمات الأساسية المستخدمة في الخوارزميات القائمة على الشبكة العصبية؟
- ما هو TensorBoard؟
عرض المزيد من الأسئلة والأجوبة في EITC/AI/GCML Google Cloud Machine Learning