كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعي

التعزيز التدرجي

Gradient Boosting

يضيف أشجاراً صغيرة تباعاً، تتعلم كل منها بواقي سابقاتها. تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خصائص تقويم)، ويكون التنبؤ متعدد الخطوات تكرارياً (Recursive).

يعمل في المتصفحيحتاج محرك Pythonالمستوى الثالث: التعلم الآلي

جرّب هذا النموذج في المختبر

المبدأ

F_m(x) = F_{m−1}(x) + ν h_m(x) حيث h_m شجرة على البواقي (التدرج السالب لدالة الخسارة التربيعية).

F_m(x)=F_{m-1}(x)+\nu\,h_m(x)

متطلبات البيانات

مئات الصفوف.

المعاملات

n_estimators
عدد المراحل
learning_rate
ν
max_depth
عمق كل شجرة

المزايا

  • دقة عالية عادة
  • مرونة

العيوب

  • يحتاج ضبط ν وعدد المراحل
  • خطر فرط التكيف

الاستخدامات

  • الطلب والمبيعات

مثال تطبيقي

قلل learning_rate وزد n_estimators ولاحظ التوازن بين الدقة والوقت.

المراجع

  1. scikit-learn: GradientBoostingRegressor
  2. Friedman (2001). Greedy function approximation: a gradient boosting machine. Annals of Statistics. DOI 10.1214/aos/1013203451

من المستوى نفسه

يعمل في المتصفحيحتاج محرك Python الانحدار الخطي على التأخيرات Linear Regression يحوّل التنبؤ إلى مسألة انحدار: الهدف y_t والخصائص قيم سابقة وخصائص تقويم. تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خصائص تقويم)، ويكون ا… يعمل في المتصفحيحتاج محرك Python انحدار ريدج Ridge Regression انحدار خطي مع عقوبة L2 على المعاملات تقلل التباين حين تكون التأخيرات مترابطة. تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خصائص تقويم)، ويك… يعمل في المتصفحيحتاج محرك Python الغابة العشوائية للانحدار Random Forest Regressor متوسط عدد كبير من أشجار الانحدار المدربة على عينات bootstrap. تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خصائص تقويم)، ويكون التنبؤ متعدد… يعمل في المتصفحيحتاج محرك Python XGBoost XGBoost تعزيز تدرجي يستخدم تقريباً من الدرجة الثانية وتنظيماً على أوزان الأوراق (λ) وعدد الأوراق (γ). تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خ…