مقدمة في تعلم الآلة

الفكرة الأساسية

في البرمجة التقليدية نكتب القواعد ونطبقها على البيانات للحصول على النتائج. في تعلم الآلة نعطي الخوارزمية أمثلة فتستنتج نموذجاً يربط المدخلات بالمخرجات، ثم نستخدمه على حالات جديدة.

عناصر أي مسألة

العنصر	المعنى	مثال: تصفية الرسائل المزعجة
البيانات	أمثلة التدريب	آلاف الرسائل
السمات \(x\)	وصف كل مثال	الكلمات، المرسل، الروابط
التسمية \(y\)	النتيجة المطلوبة	مزعجة أو غير مزعجة
النموذج \(f_\theta\)	دالة ذات معاملات	انحدار لوجستي
دالة الخسارة	مقدار الخطأ	Cross-Entropy
التقييم	قياس الأداء على بيانات جديدة	الدقة، الاستدعاء

صياغة رياضية مختصرة

نبحث عن معاملات \(\theta\) تقلل متوسط الخسارة على بيانات التدريب:

$$\hat{\theta} = \arg\min_{\theta} \frac{1}{n}\sum_{i=1}^{n} L\big(y_i, f_\theta(x_i)\big)$$

لكن ما يهمنا فعلاً هو الخطأ المتوقع على بيانات جديدة من التوزيع نفسه، ولهذا نحجز بيانات للاختبار.

أنواع المسائل

• التصنيف (Classification): المخرج فئة، مثل تشخيص وجود ورم.
• الانحدار (Regression): المخرج عدد، مثل سعر منزل.
• التجميع (Clustering): تقسيم البيانات إلى مجموعات دون تسميات.
• اتخاذ القرار المتتابع: وكيل يتعلم سياسة عبر التفاعل، وهو مجال التعلم المعزز.

أول نموذج بـ scikit-learn

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

X, y = load_iris(return_X_y=True)
X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.25, random_state=0, stratify=y)
model = LogisticRegression(max_iter=1000).fit(X_tr, y_tr)
print(model.score(X_te, y_te))   # الدقة على بيانات الاختبار

تتبع جميع نماذج scikit-learn الواجهة نفسها: fit للتدريب وpredict للتنبؤ وscore للتقييم.