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 العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر الشبكات العصبية البيانيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيمصمم الشبكات العصبية

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)، ويكون التنبؤ متعدد الخطوات تكرارياً (Recursive).

يعمل في المتصفحيحتاج محرك Pythonالمستوى الثالث: التعلم الآلي

جرّب هذا النموذج في المختبر

المبدأ

تقليل ‖y − Xβ‖² + α‖β‖² بعد توحيد مقياس الخصائص.

\hat{\beta}=(X^\top X+\alpha I)^{-1}X^\top y

متطلبات البيانات

كما في الانحدار الخطي.

المعاملات

α
قوة التنظيم

المزايا

  • مستقر مع تأخيرات كثيرة مترابطة

العيوب

  • يحتاج ضبط α

الاستخدامات

  • عدد كبير من التأخيرات

مثال تطبيقي

زد عدد التأخيرات إلى 48 على بيانات المشاة الساعية وقارن الانحدار الخطي وريدج.

المراجع

  1. scikit-learn: Ridge
  2. Hoerl & Kennard (1970). Ridge regression. Technometrics. DOI 10.1080/00401706.1970.10488634

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 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 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 الخطو… 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…