التعلم القائم على الحالات

📅 آخر تحديث: ٢٩ يوليو ٢٠٢٦
✍️ نُشر في: ٢٩ يوليو ٢٠٢٦
الموسوعة الحرة

في مجال تعلم الآلة ، يُعدّ التعلم القائم على الحالات (ويُسمى أحيانًا التعلم القائم على الذاكرة [ 1 ] ) مجموعة من خوارزميات التعلم التي تُقارن حالات المشكلة الجديدة بالحالات التي تمت رؤيتها أثناء التدريب، والتي تم تخزينها في الذاكرة. ولأن الحساب يُؤجل حتى يتم رصد حالة جديدة، يُشار إلى هذه الخوارزميات أحيانًا باسم "الكسولة". [ 2 ]

طريقة

يُطلق عليه اسم "القائمة على الحالات" لأنه يبني الفرضيات مباشرة من حالات التدريب نفسها. [ 3 ]

من الأمثلة على خوارزميات التعلم القائمة على الحالات خوارزمية أقرب الجيران k . تخزن هذه الخوارزمية (مجموعة فرعية من) مجموعة التدريب الخاصة بها؛ وعند التنبؤ بقيمة أو فئة لحالة جديدة، تحسب المسافات أو أوجه التشابه بين هذه الحالة وحالات التدريب لاتخاذ القرار. [ 2 ] : الفصل 8

لأغراض التصنيف ، يمكن دمج أقرب k حالة باستخدام التصويت بالأغلبية أو التصويت المرجح بالمسافة؛ أما في الانحدار ، فيمكن دمج قيمها المستهدفة باستخدام المتوسط ​​أو المتوسط ​​المرجح. [ 4 ] : ​​128:2–128:3 يمكن أن يؤدي اختيار مقياس المسافة وتوسيع نطاق الميزات إلى تغيير الحالات التي تُحدد على أنها الأقرب. [ 3 ]

الخصائص الحسابية

قد يزداد تعقيد الفرضية مع ازدياد حجم البيانات. [ 3 ] في أسوأ الحالات، تكون الفرضية عبارة عن قائمة تضم n عنصرًا تدريبيًا، ويكون التعقيد الحسابي لتصنيف حالة جديدة واحدة هو O ( n ) إذا اعتُبرت تكلفة مقارنة حالتين ثابتة. [ 4 ] : ​​128:2، 128:10

يؤدي تأجيل الحساب إلى تقليل تكلفة التدريب، ولكنه ينقل الحساب إلى وقت التنبؤ. [ 2 ] : الفصل 8. بالنسبة لمصنف الجيران الأقرب k الأساسي باستخدام مسافة مينكوفسكي البسيطة ، يستغرق البحث الشامل على n عينة مخزنة موصوفة بـ d ميزة وقتًا قدره O ( dn ). يمكن لشجرة kd المتوازنة تقليل وقت الاسترجاع إلى O ( d log n )، على الرغم من أن هذه الميزة تتضاءل مع ازدياد عدد الميزات. [ 4 ] : ​​128:10–128:11

لتقليل مساحة التخزين المطلوبة لتدريب الحالات وتقليل الحساسية للضوضاء في مجموعة التدريب، تم اقتراح خوارزميات تقليل الحالات . [ 5 ]

انظر أيضاً

مراجع

  1. ↑ والتر دايلمانز ؛ أنتال فان دن بوش (2005). معالجة اللغة القائمة على الذاكرة . مطبعة جامعة كامبريدج.
  2. 1 2 3 توم ميتشل (1997). تعلم الآلة . ماكجرو هيل.
  3. 1 2 3 ستيوارت راسل وبيتر نورفيج (2003). الذكاء الاصطناعي: منهج حديث ، الطبعة الثانية، الصفحات 733-735. برنتيس هول. ISBN 0-13-080302-2
  4. 1 2 3 كونينغهام، بادرايغ؛ ديلاني، سارة جين (2021). "مصنفات الجوار الأقرب k - دليل تعليمي". مجلة ACM Computing Surveys . 54 (6). المقالة 128. doi : 10.1145/3459665 .
  5. ↑ د. راندال ويلسون؛ توني ر. مارتينيز (2000). "تقنيات الاختزال لخوارزميات التعلم القائمة على الحالات". تعلم الآلة . 38 (3): 257-286 . doi : 10.1023/A:1007626913721 .