المزيد من مقالات التعلم العميق......المزيد من مقالات تعلم الآلة.....مقالات التعلم العميقمقالات تعلم الآلة

الفرق بين الخوارزمية والنموذج في التعلم الآلي

اقرأ في هذا المقال
  • ما هي "الخوارزمية" في التعلم الآلي؟
  • ما هو "النموذج" في التعلم الآلي
  • الخوارزمية مقابل إطار النموذج
  • التعلم الآلي هو البرمجة التلقائية
  • الملخص

بالنسبة للمبتدئين، يعد هذا أمرًا محيرًا للغاية لأنه غالبًا ما يتم استخدام “خوارزمية التعلم الآلي” بالتبادل مع “نموذج التعلم الآلي“. هل هم نفس الشيء أم شيء مختلف؟

بصفتك مطورًا، فإن حدسك باستخدام “الخوارزميات” مثل خوارزميات الفرز وخوارزميات البحث سيساعد في إزالة هذا الالتباس.

في هذا المنشور، سوف تكتشف الفرق بين “خوارزميات” و“نماذج” التعلم الآلي .

بعد قراءة هذا المنشور، ستعرف:

  • خوارزميات التعلم الآلي هي إجراءات يتم تنفيذها في التعليمات البرمجية ويتم تشغيلها على البيانات.
  • يتم إخراج نماذج التعلم الآلي عن طريق الخوارزميات وتتألف من بيانات النموذج وخوارزمية التنبؤ.
  • توفر خوارزميات التعلم الآلي نوعًا من البرمجة التلقائية حيث تمثل نماذج التعلم الآلي البرنامج.

ينقسم هذا البرنامج التعليمي إلى أربعة أجزاء :

  1. ما هي الخوارزمية في التعلم الآلي؟
  2. ما هو النموذج في التعلم الآلي؟
  3. الخوارزمية مقابل إطار النموذج؟
  4. التعلم الآلي هو البرمجة التلقائية؟

ما هي “الخوارزمية” في التعلم الآلي؟

“الخوارزمية algorithm” في التعلم الآلي هي إجراء يتم تشغيله على البيانات لإنشاء “نموذج Model للتعلم الآلي.

تؤدي خوارزميات التعلم الآلي “التعرف على الأنماط pattern recognition”. الخوارزميات “تتعلم learn” من البيانات، أو “ملائمة fit” لمجموعة البيانات.

هناك العديد من خوارزميات التعلم الآلي.

على سبيل المثال ، لدينا خوارزميات للتصنيف classification، مثل k-أقرب الجيران. لدينا خوارزميات للانحدار regression، مثل الانحدار الخطي، ولدينا خوارزميات للتجميع clustering، مثل k-mean.

أمثلة على خوارزميات التعلم الآلي:

  • الانحدارالخطي Linear Regression.
  • الانحدار اللوجستي Logistic Regression.
  • شجرة القرار Decision Tree.
  • الشبكة العصبية الاصطناعية Artificial Neural Network.
  • k- أقرب الجيران k-Nearest Neighbors.
  • k-Means

يمكنك التفكير في خوارزمية التعلم الآلي مثل أي خوارزمية أخرى في علم الحاسوب.

على سبيل المثال، تتضمن بعض أنواع الخوارزميات الأخرى التي قد تكون معتادًا عليها فرز الفقاعات bubble sort لفرز البيانات و best-first للبحث.

على هذا النحو، فإن خوارزميات التعلم الآلي لها عدد من الخصائص:

  • يمكن وصف خوارزميات التعلم الآلي باستخدام الرياضيات والكود الزائف pseudocode.
  • يمكن تحليل كفاءة خوارزميات التعلم الآلي ووصفها.
  • يمكن تنفيذ خوارزميات التعلم الآلي بأي واحدة من مجموعة لغات البرمجة الحديثة.

على سبيل المثال، قد ترى خوارزميات التعلم الآلي موصوفة بالكود الزائف أو الجبر الخطي في الأوراق البحثية والكتب المدرسية. قد ترى الكفاءة الحسابية لخوارزمية محددة لتعلم الآلة مقارنة بخوارزمية أخرى محددة.

يمكن للأكاديميين ابتكار خوارزميات جديدة تمامًا للتعلم الآلي ويمكن لممارسي التعلم الآلي استخدام خوارزميات تعلم الآلة القياسية في مشاريعهم. هذا تمامًا مثل مجالات علم الحاسوب الأخرى حيث يمكن للأكاديميين ابتكار خوارزميات فرز جديدة تمامًا، ويمكن للمبرمجين استخدام خوارزميات الفرز القياسية في تطبيقاتهم.

من المحتمل أيضًا أن ترى العديد من خوارزميات التعلم الآلي المنفذة معًا ويتم توفيرها في مكتبة بواجهة برمجة تطبيقات قياسية (API). ومن الأمثلة الشائعة مكتبة scikit-Learn التي توفر تطبيقات للعديد من خوارزميات التعلم الآلي كخوارزميات التصنيف والانحدار والتجميع في بايثون.

ما هو “النموذج” في التعلم الآلي

النموذج model” في التعلم الآلي هو ناتج خوارزمية التعلم الآلي التي تعمل على البيانات.

يمثل النموذج ما تعلمته خوارزمية التعلم الآلي.

النموذج هو “الشيء thing” الذي يتم حفظه بعد تشغيل خوارزمية التعلم الآلي على بيانات التدريب ويمثل القواعد والأرقام وأي هياكل بيانات أخرى خاصة بالخوارزمية مطلوبة لعمل تنبؤات.

قد توضح بعض الأمثلة ذلك:

  • ينتج عن خوارزمية الانحدار الخطي نموذج يتكون من متجه للمعاملات بقيم محددة.
  • ينتج عن خوارزمية شجرة القرار نموذجًا يتكون من شجرة من عبارات الشرطية ذات القيم المحددة.
  • تؤدي خوارزميات الشبكة العصبية / الانتشار الخلفي / الانحدار معًا إلى نموذج يتكون من بُنية رسم بياني مع متجهات أو مصفوفات من الأوزان بقيم محددة.

يعد نموذج التعلم الآلي أكثر صعوبة بالنسبة للمبتدئين لأنه لا يوجد تشابه واضح مع الخوارزميات الأخرى في علم الحاسوب.

على سبيل المثال، ناتج القائمة التي تم فرزها لخوارزمية الفرز ليس نموذجًا بالفعل.

أفضل تشبيه هو التفكير في نموذج التعلم الآلي على أنه “برنامج program“.

يتكون “برنامج” نموذج التعلم الآلي من كل من البيانات وإجراء procedure لاستخدام البيانات لعمل تنبؤ prediction.

على سبيل المثال، ضع في اعتبارك خوارزمية الانحدار الخطي والنموذج الناتج. يتكون النموذج من متجه من المعاملات (البيانات) التي يتم ضربها وتلخيصها بصف من البيانات الجديدة المأخوذة كمدخلات من أجل إجراء التنبؤ (إجراء التنبؤ).

نقوم بحفظ البيانات الخاصة بنموذج التعلم الآلي لاستخدامه لاحقًا.

غالبًا ما نستخدم إجراء التنبؤ لنموذج التعلم الآلي الذي توفره مكتبة التعلم الآلي. في بعض الأحيان قد نقوم بتنفيذ إجراء التنبؤ بأنفسنا كجزء من تطبيقنا. غالبًا ما يكون هذا أمرًا سهلاً نظرًا لأن معظم إجراءات التنبؤ بسيطة للغاية.

الخوارزمية مقابل إطار النموذج

لذلك نحن الآن على دراية بـ “خوارزمية” التعلم الآلي مقابل “نموذج” التعلم الآلي.

على وجه التحديد، يتم تشغيل خوارزمية على البيانات لإنشاء نموذج.

تعلم الآلة => نموذج التعلم الآلي

نحن نفهم أيضًا أن النموذج يتكون من كل من البيانات وإجراء لكيفية استخدام البيانات للتنبؤ بالبيانات الجديدة. يمكنك التفكير في الإجراء كخوارزمية تنبؤ إذا أردت.

نموذج التعلم الآلي == نموذج البيانات + خوارزمية التنبؤ

هذا التقسيم مفيد جدًا في فهم مجموعة واسعة من الخوارزميات.

على سبيل المثال، معظم الخوارزميات لديها كل عملها في “الخوارزمية” و “خوارزمية التنبؤ” تفعل القليل جدًا.

عادةً ما تكون الخوارزمية نوعًا من إجراءات التحسين التي تقلل خطأ النموذج (البيانات + خوارزمية التنبؤ) في مجموعة بيانات التدريب. تعد خوارزمية الانحدار الخطي مثالاً جيدًا. ينفذ عملية تحسين (أو يتم حله تحليليًا باستخدام الجبر الخطي) للعثور على مجموعة من الأوزان التي تقلل من مجموع الخطأ التربيعي في مجموعة بيانات التدريب.

الانحدار الخطي:

الخوارزمية Algorithm: ابحث عن مجموعة من المعاملات التي تقلل من الخطأ في مجموعة بيانات التدريب

النموذج Model:

  • بيانات النموذج Model Data: متجه المعاملات.
  • خوارزمية التنبؤ Prediction Algorithm: معاملات الجمع والعدد مع صف الإدخال.

بعض الخوارزميات تافهة أو حتى لا تفعل شيئًا، وكل العمل في النموذج أو خوارزمية التنبؤ.

لا تحتوي خوارزمية k- أقرب الجيران على “خوارزمية” بخلاف حفظ مجموعة بيانات التدريب بالكامل. وبالتالي، فإن بيانات النموذج هي مجموعة بيانات التدريب بأكملها وكل العمل في خوارزمية التنبؤ، أي كيف يتفاعل صف جديد من البيانات مع مجموعة بيانات التدريب المحفوظة لإجراء تنبؤ.

K-أقرب الجيران

الخوارزمية: حفظ بيانات التدريب.

النموذج:

  • بيانات النموذج: مجموعة بيانات تدريب كاملة.
  • خوارزمية التنبؤ: ابحث عن الصفوف الأكثر تشابهًا ومتوسط المتغير المستهدف.

يمكنك استخدام هذا التفصيل كإطار عمل لفهم أي خوارزمية للتعلم الآلي.

ما هي الخوارزمية المفضلة لديك؟

هل يمكنك وصفه باستخدام هذا الإطار في التعليقات أدناه؟

هل تعرف خوارزمية لا تتناسب بدقة مع هذا التقسيم؟

التعلم الآلي هو البرمجة التلقائية

نريد حقًا “نموذجًا” للتعلم الآلي و “الخوارزمية” هي فقط المسار الذي نتبعه للحصول على النموذج.

تُستخدم تقنيات التعلم الآلي للمشكلات التي لا يمكن حلها بكفاءة أو فعالية بطرق أخرى.

على سبيل المثال، إذا احتجنا إلى تصنيف رسائل البريد الإلكتروني كرسائل غير مرغوب فيها أو ليست بريدًا عشوائيًا، فنحن بحاجة إلى برنامج للقيام بذلك.

يمكننا الجلوس، ومراجعة عدد كبير من رسائل البريد الإلكتروني يدويًا، وكتابة عبارات if لأداء هذه المهمة. لقد حاول الناس. اتضح أن هذا النهج بطيء وهش وغير فعال للغاية.

بدلاً من ذلك، يمكننا استخدام تقنيات التعلم الآلي لحل هذه المشكلة. على وجه التحديد، يمكن لخوارزمية مثل Naive Bayes تعلم كيفية تصنيف رسائل البريد الإلكتروني كرسائل غير مرغوب فيها وليست بريدًا عشوائيًا من مجموعة بيانات كبيرة من الأمثلة التاريخية للبريد الإلكتروني.

نحن لا نريد “Naive Bayes”. نريد أن يكون النموذج الذي يقدمه Naive Bayes هو أنه يمكننا استخدامه لتصنيف البريد الإلكتروني (متجهات الاحتمالات وخوارزمية التنبؤ لاستخدامها). نريد النموذج، وليس الخوارزمية المستخدمة لإنشاء النموذج.

وبهذا المعنى، فإن نموذج التعلم الآلي عبارة عن برنامج مكتوب أو تم إنشاؤه أو تعلمه تلقائيًا بواسطة خوارزمية التعلم الآلي لحل مشكلتنا.

كمطورين، نحن أقل اهتمامًا بـ “التعلم learning ” الذي تقوم به خوارزميات التعلم الآلي بمعنى الذكاء الاصطناعي. نحن لا نهتم بمحاكاة عمليات التعلم. قد يكون بعض الناس كذلك، وهذا أمر مثير للاهتمام، لكن هذا ليس سبب استخدامنا لخوارزميات التعلم الآلي.

بدلاً من ذلك، نحن مهتمون أكثر بقدرة البرمجة التلقائية automatic programming التي توفرها خوارزميات التعلم الآلي. نريد نموذجًا فعالًا يتم إنشاؤه بكفاءة يمكننا دمجه في مشروعنا البرمجي.

تقوم خوارزميات التعلم الآلي بتنفيذ البرمجة التلقائية ونماذج التعلم الآلي هي البرامج التي تم إنشاؤها لنا.

الملخص

في هذا المنشور، اكتشفت الفرق بين “خوارزميات” التعلم الآلي و “النماذج”.

على وجه التحديد، لقد تعلمت:

  • خوارزميات التعلم الآلي هي إجراءات يتم تنفيذها في التعليمات البرمجية ويتم تشغيلها على البيانات.
  • يتم إخراج نماذج التعلم الآلي عن طريق الخوارزميات وتتألف من بيانات النموذج وخوارزمية التنبؤ.
  • توفر خوارزميات التعلم الآلي نوعًا من البرمجة التلقائية حيث تمثل نماذج التعلم الآلي البرنامج.
بواسطة
Jason Brownlee
المصدر
Difference Between Algorithm and Model in Machine Learning

د. علاء طعيمة

كلية علوم الحاسوب وتكنولوجيا المعلومات / جامعة القادسية / العراق

مقالات ذات صلة

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى