المصنف في سياق التعلم الآلي هو نموذج تم تدريبه للتنبؤ بفئة أو فئة نقطة بيانات إدخال معينة. إنه مفهوم أساسي في التعلم الخاضع للإشراف، حيث تتعلم الخوارزمية من بيانات التدريب المصنفة لعمل تنبؤات بشأن البيانات غير المرئية. يتم استخدام المصنفات على نطاق واسع في العديد من التطبيقات مثل اكتشاف البريد العشوائي وتحليل المشاعر والتعرف على الصور والمزيد.
هناك عدة أنواع من المصنفات، ولكل منها خصائصه الخاصة ومدى ملاءمته لأنواع مختلفة من البيانات والمهام. تتضمن بعض الأنواع الشائعة من المصنفات الانحدار اللوجستي، وأجهزة ناقل الدعم، وأشجار القرار، والغابات العشوائية، والشبكات العصبية. كل مصنف لديه نقاط القوة والضعف الخاصة به، مما يجعلها مناسبة لسيناريوهات محددة.
الانحدار اللوجستي هو مصنف خطي يتنبأ باحتمالية النتيجة الثنائية. يتم استخدامه على نطاق واسع لمهام التصنيف الثنائي مثل التنبؤ بما إذا كان البريد الإلكتروني عبارة عن بريد عشوائي أم لا. تعد أجهزة المتجهات الداعمة (SVM) فعالة لكل من مهام التصنيف الخطية وغير الخطية من خلال العثور على المستوى الفائق الذي يفصل بين الفئات بشكل أفضل في مساحة الميزة.
أشجار القرار هي هياكل تشبه الشجرة حيث تمثل كل عقدة داخلية ميزة، ويمثل كل فرع قرارًا يعتمد على تلك الميزة، وتمثل كل عقدة ورقية تسمية فئة. الغابات العشوائية عبارة عن مجموعات من أشجار القرار التي تعمل على تحسين دقة التنبؤ من خلال تجميع نتائج أشجار متعددة. تعد الشبكات العصبية، وخاصة نماذج التعلم العميق، مصنفات مرنة للغاية يمكنها تعلم أنماط معقدة من البيانات، مما يجعلها مناسبة لمهام مثل التعرف على الصور والكلام.
تتضمن عملية تدريب المصنف إدخال البيانات المصنفة في النموذج، مما يسمح له بمعرفة الأنماط والعلاقات بين ميزات الإدخال والفئات المستهدفة. يتم بعد ذلك تقييم النموذج على مجموعة منفصلة من البيانات تسمى مجموعة الاختبار لتقييم أدائه في عمل تنبؤات دقيقة. تُستخدم مقاييس مثل الدقة والضبط والاستدعاء ودرجة F1 بشكل شائع لتقييم أداء المصنف.
في سياق Google Cloud Machine Learning، يمكن تدريب المصنفات ونشرها باستخدام منصة الذكاء الاصطناعي الخاصة بـ Google Cloud. توفر هذه المنصة الأدوات والبنية التحتية لبناء نماذج التعلم الآلي وتدريبها ونشرها على نطاق واسع. من خلال التنبؤات بدون خادم، يمكن للمستخدمين إجراء تنبؤات بسهولة على البيانات الجديدة دون الحاجة إلى إدارة الخوادم أو البنية التحتية، مما يسمح بالتكامل السلس لنماذج التعلم الآلي في أنظمة الإنتاج.
تعد المصنفات مكونات أساسية لأنظمة التعلم الآلي التي تتيح التصنيف الآلي ومهام التنبؤ. يعد فهم الأنواع المختلفة من المصنفات وتطبيقاتها أمرًا بالغ الأهمية لبناء حلول فعالة للتعلم الآلي.
أسئلة وأجوبة أخرى حديثة بخصوص EITC/AI/GCML تعلم الآلة على Google Cloud:
- ما هو تحويل النص إلى كلام (TTS) وكيف يعمل مع الذكاء الاصطناعي؟
- 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؟
- ما هو التعلم المجمع؟
- 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؟
عرض المزيد من الأسئلة والأجوبة في EITC/AI/GCML Google Cloud Machine Learning