الموسوعة
مرجع مختصر ومترابط. يرتبط كل مدخل بالمفاهيم ذات الصلة والمقالات التي تتعمّق أكثر.
تصفّح حسب الموضوع
آ
أ
ا
الإنتروبيا المتقاطعة
مقياس للفارق بين توزيعين احتماليين، يُستخدم دالةَ خسارة قياسية في التصنيف.
الارتباط الذاتي
ارتباط السلسلة بنسخة مزاحة منها، يقيس مدّة بقاء أثر المشاهدة. وهو البنية التي تجعل بيانات السلاسل الزمنية مفيدة، والسبب في أنّ الأخطاء المعيارية المعتادة لا تنطبق عليها.
الاستقرارية
خاصّية سلسلة لا يتوقّف سلوكها الإحصائي على لحظة النظر إليها: المتوسّط والتباين وبنية الارتباط هي نفسها في كلّ نافذة. تفترضها كلّ الطرق الكلاسيكية تقريباً، وتفتقر إليها أكثر السلاسل الواقعية.
الانحدار الخطي
نموذج يتنبأ باستجابة عددية بوصفها مجموعًا موزونًا للمتنبِّئات، ويُلاءَم بتصغير الخطأ التربيعي.
الانحدار اللوجستي
نموذج تصنيف يتنبأ باحتمال فئة عبر تمرير تركيبة خطية من المتنبِّئات خلال الدالة اللوجستية.
التجميع بالمتوسطات k
خوارزمية غير مُوجَّهة تقسّم المشاهدات إلى k مجموعة بالتناوب بين إسناد النقاط إلى أقرب مركز وإعادة حساب المراكز.
التحقّق المتقاطع
طريقة إعادة معاينة تقدّر خطأ اختبار النموذج بملاءمته مراراً على جزء من البيانات وتقييمه على الجزء المحجوز.
التحليل التمييزي الخطي
مصنّف توليدي ينمذج كل صنف بتوزيع غاوسي ثم يقلب تلك النماذج بمبرهنة بايز؛ فمصفوفة تغاير واحدة مشتركة بين كل الأصناف تعطي حدًّا فاصلًا خطيًا، وواحدة لكل صنف تعطي حدًّا تربيعيًا.
التحليل المصفوفي
نموذج يفسّر جدول تفاعلات متفرّقاً بوصفه جداءً لمصفوفتين صغيرتين، فيعطي كلّ مستخدم وكلّ عنصر متّجهاً قصيراً من سمات متعلَّمة يتنبّأ جداؤها القياسيّ بالخانات الغائبة.
التدريب المسبق والضبط الدقيق
الوصفة ذات المرحلتين: تدريب نموذج أولًا على متن عام كبير، ثم تكييفه لمهمة محددة بمجموعة بيانات موسومة أصغر بكثير.
التعبئة والغابات العشوائية
طرق تجميعية تخفض التباين بأخذ متوسط نماذج كثيرة مُلاءَمة على عيّنات بوتستراب، وتزيد الغابات العشوائية عليها بفكّ ارتباط الأشجار عبر تقييد السمات المتاحة عند كل انقسام.
التعلّم PAC
تعريف للقابلية للتعلّم يجب فيه على الخوارزمية أن تردّ، باحتمال عالٍ، فرضيةً خطؤها الحقيقي ضمن تسامح مختار - مستعملةً عدداً من العيّنات محدوداً سلفاً لا مكتشَفاً بعد الأمر.
التنظيم
أي تقنية تقيّد التعقيد الفعّال لنموذج بغية خفض التباين وتحسين التعميم، وعادةً بمعاقبة قيم البارامترات الكبيرة.
التوقع–التعظيم
طريقة تكرارية للتقدير بالإمكان الأعظم حين تكون بعض المتغيرات غير مرصودة: تحسب التوزيع البعدي للمتغيرات الخفية في ظل المعالم الحالية، ثم تعيد ملاءمة المعالم كما لو أن تلك التكرارات المتوقَّعة قد رُصدت فعلًا.
الحيرة
أُسّ الإنتروبيا المتقاطعة المتوسّطة لنموذج، تُقرأ عدد الخيارات المتساوية الاحتمال التي يختار بينها فعليًّا عند كلّ خطوة.
الخلط
متغيّر يؤثّر في العلاج والنتيجة معاً، فتقيس المقارنة بين المعالَجين وغير المعالَجين الفرقَ بين المجموعتين بقدر ما تقيس أثر العلاج.
الدالّة الأُسّيّة المعيّرة
دالّة تحوّل متّجهًا من الدرجات الحقيقيّة إلى توزيع احتماليّ بأخذ أُسّ كلّ درجة والقسمة على المجموع، فتحفظ ترتيبها وتجعلها موجبة ومجموعها واحدًا.
الدقّة والاستدعاء
نسبتان تفصلان ما تُخفيه الإصابة: الدقّة نسبة الموجبات المتنبَّأ بها التي هي حقيقيّة، والاستدعاء نسبة الموجبات الحقيقيّة التي وُجدت.
الرسم السببي
رسم لعلاقات السبب والأثر المفترَضة على هيئة سهام بين متغيّرات، يُستعمل لتحديد أيّ المتغيّرات يجب التعديل عليها وأيّها يجب ألّا يُعدَّل عليه - وهو سؤال لا تجيب عنه البيانات وحدها.
الشبكة العصبية
نموذج مؤلَّف من طبقات وحدات بسيطة، تحسب كلٌّ منها مجموعًا موزونًا يتبعه دالة غير خطية، ويُلاءَم بنزول التدرج باستخدام الانتشار العكسي.
الشريحة (السبلاين)
كثير حدود مجزّأ موصول عند نقاط مختارة تُسمّى العقد، ومقيَّد بحيث تبقى الدالة ومشتقاتها الدنيا متصلة هناك، فيعطي مرونة موضعية دون السلوك الجامح لكثير حدود عالي الدرجة.
العنقدة الهرميّة
طريقة غير مُشرَف عليها تبني شجرةً من عناقيد متداخلة بدمج أقلّ المجموعتين تباينًا مرارًا، بحيث يعطي قطع الشجرة عند أي ارتفاع عنقدةً.
القبليّ المرافق
قبليٌّ يُختار ليقع البعديّ في العائلة نفسها، فيصير التحديث البيزيّ حسابًا على الوسائط ويصير القبليّ مقروءًا عددَ مشاهدات متخيَّلة.
المعلومة المتبادلة
كم بتّة يخبرك بها رصد متغيّر عن متغيّر آخر. تساوي صفراً بالضبط حين يكون المتغيّران مستقلّين، وتلتقط اعتماداً من أيّ شكل لا الخطّيّ فقط، ولا يستطيع شيء يُحسَب بعدها أن يزيدها.
المقارنات المتعدّدة
تضخّم الإيجابيات الكاذبة الذي يقع كلّما سُمح لأكثر من اختبار أو متريك أو شريحة أو نقطة توقّف بإنتاج العنوان. فكلّ فرصة إضافية ترفع احتمال أن يعبر شيء العتبة بالحظّ وحده.
انحدار التدرّج العشوائي
انحدار تدرّج تستعمل فيه كل خطوة تدرّجَ عيّنة عشوائية صغيرة من البيانات لا البيانات كلها، فتبادل اتجاهًا مضبوطًا بعدد أكبر بكثير من الخطوات لكل وحدة حساب.
ب
بايز الساذج
مصنِّف يطبّق مبرهنة بايز مع افتراض أن كل السمات مستقلّة شرطياً بمعلومية الفئة.
بُعد فابنيك-تشيرفونينكيس
حجم أكبر مجموعة نقاط تستطيع عائلة من المصنّفات أن تعنونها بكلّ الطرائق الممكنة. وهو يقيس السعة بما تستطيع الفئة فعله لا بعدد أعضائها، وهذا ما يجعله صالحاً للعائلات اللانهائية.
ت
تباعد كولباك-لايبلر
عدد البتّات الزائدة لكلّ رمز التي تُدفَع لوصف توزيع بترميز مبنيّ لتوزيع آخر. يساوي صفراً فقط حين يتطابق التوزيعان، ولا يكون سالباً أبداً، وليس متناظراً، فهو كلفة لا مسافة.
تحليل المركّبات الرئيسية
أسلوب يعيد التعبير عن البيانات في إحداثيات جديدة غير مترابطة مرتَّبة بحسب مقدار التباين الذي تفسّره كل منها، فيتيح خفض الأبعاد بالاحتفاظ بأوائلها فقط.
تعلّم Q
خوارزمية تعلّم معزَّز تتعلم قيمة أخذ كل فعل في كل حالة من التجربة مباشرةً، دون نموذج للبيئة.
ج
ش
ع
ف
ك
م
مقايضة التحيّز والتباين
تفكيك خطأ التنبّؤ المتوقّع لنموذج إلى تحيّز وتباين وضجيج غير قابل للتقليص، والتوتّر الذي يجعل خفض أحد الأولين يرفع الآخر عادةً.
منحنى ROC
رسم لمعدل الإيجابيات الصحيحة لمصنّف في مقابل معدل إيجابياته الكاذبة بينما تكتسح عتبة القرار مداها كله، فيلخّص كل مقايضة متاحة بين نوعَي الخطأ.