أنواع تعلم الآلة
ليس كل تعلّم متشابهًا. تمامًا كما يتعلم البشر من المعلمين والاستكشاف والتجربة والخطأ، لتعلم الآلة ثلاثة نماذج متميزة — كل منها مناسب لمشاكل مختلفة.
التعلم الخاضع للإشراف
النموذج الأكثر استخدامًا. تزوّده بـبيانات تدريب مُعنونة — أزواج مدخلات-مخرجات — ويتعلم التنبؤ بمخرجات مدخلات جديدة.
التصنيف مقابل الانحدار
ينقسم التعلم الخاضع للإشراف إلى مهمتين حسب نوع المخرج.
صندوق أدوات الإشراف
لكل خوارزمية نقطة قوة — من البسيط إلى القوي.
- الانحدار الخطي — خطوط أساس بسيطة وقابلة للتفسير
- أشجار القرار — تتعامل مع البيانات غير الخطية طبيعيًا
- آلات المتجهات الداعمة — حدود قرار مثلى
- الشبكات العصبية — تتعلم تعيينات معقدة على نطاق واسع
التعلم غير الخاضع للإشراف
بلا تسميات ولا معلم. تكتشف الخوارزمية البنية الخفية في البيانات بنفسها تمامًا.
تجميع K-Means
تجميع نقاط البيانات المتشابهة بتقليل المسافة إلى مراكز المجموعات.
التقليل والشذوذ
ضغط البيانات وكشف القيم الشاذة — قوتان إضافيتان للتعلم غير المُشرف.
- PCA — إيجاد اتجاهات أقصى تباين
- المشفرات التلقائية — ضغط عصبي
- كشف الشذوذ — الاحتيال، العيوب، الاختراقات
التعلم المعزز
يتفاعل وكيل مع بيئة، ويتخذ إجراءات، ويتعلم سياسة تُعظّم المكافأة التراكمية.
العائد
يُعظّم الوكيل المكافأة التراكمية المخصومة عبر الزمن.
ما بعد الثلاثة
الذكاء الاصطناعي الحديث يطمس الحدود باستراتيجيات التعلم الهجين.
اختيار النوع الصحيح
طابق بياناتك ومشكلتك بالنموذج المناسب.
- عندك تسميات؟ ← التعلم الخاضع للإشراف
- تبحث عن بنية؟ ← التعلم غير الخاضع للإشراف
- قرارات متسلسلة؟ ← التعلم المعزز
- تسميات قليلة؟ ← شبه مُشرف / ذاتي الإشراف
ماذا تعلمت
ثلاثة نماذج — خاضع للإشراف، غير خاضع للإشراف، ومعزز — بالإضافة إلى نُهج هجينة. اختيار النموذج الصحيح يعتمد على بياناتك ومشكلتك.