أشهر خوارزميات التعلم الآلي التي لابد أن يعرفها كل مهتم بعلم البيانات:
1- الانحدار الخطي (Linear Regression):
أحد خوارزميات التعلم الآلي الخاضعة للإشراف، يستخدم للتنبؤ بقيمة مستمرة أو متصلة، ويمتاز بسهولته وفاعليته لأغلب المشكلات. قد يكون انحدار خطي بسيط أو متعدد.
1- الانحدار الخطي (Linear Regression):
أحد خوارزميات التعلم الآلي الخاضعة للإشراف، يستخدم للتنبؤ بقيمة مستمرة أو متصلة، ويمتاز بسهولته وفاعليته لأغلب المشكلات. قد يكون انحدار خطي بسيط أو متعدد.
2- الانحدار اللوجيستي (Logistic Regression):
أحد خوارزميات التعلم الآلي الخاضعة للإشراف، يستخدم لمهام التصنيف وخاصة التصنيف الثنائي حيث يتنبأ بالمتغيرات الفئوية.
أحد خوارزميات التعلم الآلي الخاضعة للإشراف، يستخدم لمهام التصنيف وخاصة التصنيف الثنائي حيث يتنبأ بالمتغيرات الفئوية.
3- أشجار القرار (Decision Trees):
أحد خوارزميات التعلم الآلي الخاضعة للإشراف، تستخدم لكل من مهام التصنيف والانحدار.
حيث تنقسم البيانات إلى مجموعات بحيث تكون جميع العناصر في كل مجموعة متشابهة أو لها تباين ضئيل.
أحد خوارزميات التعلم الآلي الخاضعة للإشراف، تستخدم لكل من مهام التصنيف والانحدار.
حيث تنقسم البيانات إلى مجموعات بحيث تكون جميع العناصر في كل مجموعة متشابهة أو لها تباين ضئيل.
4- خوارزمية آلات تعزيز التدرج (Gradient Boosting Machines (GBM)):
تقنية عالية الجودة تبني نماذج تنبؤية بطريقة حكيمة. غالباً تسفر عن تنبؤات عالية الجودة وذات دقة وآداء عالي.
تقنية عالية الجودة تبني نماذج تنبؤية بطريقة حكيمة. غالباً تسفر عن تنبؤات عالية الجودة وذات دقة وآداء عالي.
5- خوارزمية الغابات العشوائية (Random Forests):
تعتبر أحد الخوارزميات شائعة الاستخدام حيث تتعامل مع مشاكل التصنيف والانحدار، تعمل بطريقة تعلم المجموعة حيث تحسب متوسط النتيجة من مصفوفة من أشجار القرار لتحسين دقة وكفاءة التنبؤ وتجنب الإفراط في التركيب.
تعتبر أحد الخوارزميات شائعة الاستخدام حيث تتعامل مع مشاكل التصنيف والانحدار، تعمل بطريقة تعلم المجموعة حيث تحسب متوسط النتيجة من مصفوفة من أشجار القرار لتحسين دقة وكفاءة التنبؤ وتجنب الإفراط في التركيب.
6- آلة المتجهات الداعمة (Support Vector Machine (SVM)):
أحد خوارزميات التعلم الآلي الخاضعة للإشراف، وتعتبر من أشهر خوارزميات التصنيف في المقام الاول ولكن قد تستخدم لمشكلات الانحدار أيضاً.
وهي تقنيه رقميه تستخدم لفصل فئتين أو أكثر من فئات البيانات، وتعتبر فعالة في المساحات عالية الأبعاد. ولها آداء فعال مع العلاقات المعقدة وغير الخطية.
أحد خوارزميات التعلم الآلي الخاضعة للإشراف، وتعتبر من أشهر خوارزميات التصنيف في المقام الاول ولكن قد تستخدم لمشكلات الانحدار أيضاً.
وهي تقنيه رقميه تستخدم لفصل فئتين أو أكثر من فئات البيانات، وتعتبر فعالة في المساحات عالية الأبعاد. ولها آداء فعال مع العلاقات المعقدة وغير الخطية.
7- خوارزمية (K-Nearest Neighbours (KNN)):
خوارزمية تعليمية بسيطة خاضعة للإشراف والتي يمكن استخدامها لمشاكل التصنيف والانحدار. وهي خوارزمية قائمة على المسافة. مناسبة عندما يكون حجم البيانات صغير.
يعاب عليها أنها تتأثر بالقيم الشاذه والمفقودة.
خوارزمية تعليمية بسيطة خاضعة للإشراف والتي يمكن استخدامها لمشاكل التصنيف والانحدار. وهي خوارزمية قائمة على المسافة. مناسبة عندما يكون حجم البيانات صغير.
يعاب عليها أنها تتأثر بالقيم الشاذه والمفقودة.
8- خوارزمية (Naive Bayes):
مجموعة من المصنفات البسيطة والاحتمالية القائمة على تطبيق نظرية بيز (Bayes’ theorem) مع افتراضات استقلالية قوية.
مجموعة من المصنفات البسيطة والاحتمالية القائمة على تطبيق نظرية بيز (Bayes’ theorem) مع افتراضات استقلالية قوية.
9- خوارزمية الشبكات العصبية (Neural Networks):
خوارزمية قوية ومتعددة الاستخدامات.
تستخدم لمجموعة واسعة من المهام كالتصنيف والانحدار والتعلم غير الخاضع للإشراف.
نماذج التعلم العميق تعتبر مجموعة فرعية من الشبكات العصبية التي لها القدرة العالية في القيام بالمهام المعقدة مثل التعرف على الصور والكلام.
خوارزمية قوية ومتعددة الاستخدامات.
تستخدم لمجموعة واسعة من المهام كالتصنيف والانحدار والتعلم غير الخاضع للإشراف.
نماذج التعلم العميق تعتبر مجموعة فرعية من الشبكات العصبية التي لها القدرة العالية في القيام بالمهام المعقدة مثل التعرف على الصور والكلام.
جاري تحميل الاقتراحات...