Ensemble Learning
التعلم التجميعي
التعريف
أسلوب يجمع تنبؤات عدة نماذج للحصول على نتيجة أدق وأكثر استقراراً من أي نموذج منفرد.
تتنوع طرق التجميع: التعبئة (Bagging) تدرّب نماذج على عينات مختلفة وتجمع نتائجها كالغابة العشوائية، والتعزيز (Boosting) يدرّب نماذج متتابعة يصحح كل منها أخطاء سابقه، والتكديس (Stacking) يستخدم نموذجاً أعلى لتجميع التنبؤات.
ينجح التجميع حين تكون النماذج متنوعة وأخطاؤها غير شديدة الارتباط.
Definition
Ensemble learning combines the predictions of multiple models, via bagging, boosting or stacking, to obtain better accuracy and robustness than any single constituent model.
شرح مبسّط للمبتدئين
كلجنة محكّمين: رأي الجماعة المتنوعة أكثر ثقة غالباً من رأي محكّم واحد.
شرح أكاديمي متخصص
يقلل التعبئة التباين دون رفع الانحياز كثيراً، بينما يقلل التعزيز الانحياز. يتناقص خطأ المتوسط مع ضعف الارتباط بين النماذج.
أمثلة عملية
- الغابة العشوائية.
- XGBoost.
- تصويت ثلاثة نماذج مختلفة.
التطبيقات والاستخدامات
- مسابقات التعلم الآلي.
- النماذج الجدولية في الصناعة.
المزايا
- دقة أعلى واستقرار أكبر.
القيود والعيوب
- كلفة تدريب واستدلال أعلى.
- أصعب تفسيراً.
