BIRCH: ماذا يحفظ ملخص التجميع وما معنى نصف قطره؟
يحفظ ملخص BIRCH عدد النقاط ومجموعها ومجموع مربعات أطوالها. يحسب الكود المركز ونصف القطر من هذه المجاميع بدل قائمة النقاط في هذا الحساب. [1]
تقنية (الصفحة 30)
أفكار وأدوات رقمية بلغة مفهومة.
1201 مقال
التجميع المقيد: متى تتعارض قيود الوصل والفصل؟
تحدد قيود الوصل وجود عنصرين في المجموعة نفسها، وقيود الفصل منعهما من المجموعة نفسها. في التقسيم الصلب، الوصل متعدٍّ، والفصل وحده غير متعدٍّ. [1]
التجميع الثنائي: كيف يجتمع اختيار الصفوف والأعمدة؟
يجمع التجميع الثنائي الصفوف والأعمدة معًا لتحديد مصفوفات فرعية. تختلف الخوارزميات في خصائص الكتل وبنية عضوية الصفوف والأعمدة. [1]
Bisecting K-means: هل نقسم الأكبر عددًا أم الأكبر كلفة؟
توثق BisectingKMeans استراتيجيتين لاختيار المجموعة التي ستقسم: أكبر عدد نقاط أو أكبر مجموع مربعات أخطاء. الافتراضية هي الثانية، biggest_inertia. [1]
Isolation Forest: لماذا نراجع متوسط مسارات العزل؟
تعزل Isolation Forest العينات بتقسيمات عشوائية لخصائصها. يعتمد وصف العزل على أطوال المسارات عبر الأشجار، مع معالجة الأوراق التي تضم عدة عينات. [1] [2]
عامل الشذوذ المحلي: لماذا نقارن كثافة النقطة بكثافة جيرانها؟
يقارن عامل الشذوذ المحلي كثافة الوصول المحلية للنقطة بكثافات جيرانها. ترتفع درجته عندما تكون النقطة أقل كثافة من محيطها. [1]
آلة متجهات الدعم أحادية الفئة: ماذا يعني الخروج من الحد؟
تقدر One-Class SVM حدًا لبياناتها المرجعية دون الحاجة إلى تسميات فئتين في fit. يقع مخرج دالة القرار الموجب داخل الحد والسالب خارجه. [1]
الغلاف الإهليلجي: لماذا تختلف درجتان لهما البعد نفسه؟
يستخدم EllipticEnvelope تقديرًا متينًا للمركز والتغاير ضمن افتراض بيانات غاوسية. لذلك يقاس البعد بالنسبة إلى انتشار البيانات واتجاهاته. [1]
كشف الجدة أم الشذوذ: على أي بيانات تستعمل LOF؟
يفصل دليل scikit-learn بين كشف الشذوذ في تدريب قد يحوي حالات شاذة، وكشف الجدة بمقارنة بيانات جديدة بمرجع يفترض خلوه منها. [1]
النزول المتدرج: كيف تحدد جهة الخطوة وحجمها؟
يطرح النزول المتدرج مقدارًا متناسبًا مع تدرج الخسارة من المعلمات الحالية. يعطي التدرج اتجاه التغير، ويضبط معدل التعلم حجم الخطوة. [1]
النزول المتدرج العشوائي: لماذا قد ترتفع الخسارة بعد خطوة؟
يستخدم النزول المتدرج العشوائي تدرج مثال مختار بدل حساب تدرج جميع الأمثلة في كل تحديث؛ الاختيار المنتظم يعطي تقديرًا غير متحيز عند نقطة ثابتة. [1]
الدفعة الصغيرة: لماذا لا يكفي معرفة عدد أمثلتها؟
يحسب النزول المتدرج بالدفعة الصغيرة متوسط تدرجات أمثلتها، ثم ينفذ تحديثًا واحدًا. عدد الأمثلة وحده لا يحدد قيمة هذا المتوسط. [1]
معدل التعلم: متى تتقارب الخطوات ومتى تتأرجح؟
يضبط معدل التعلم طول خطوة النزول المتدرج. المعدل الصغير قد يبطئ الحركة، والكبير قد يسبب تجاوزًا أو ابتعادًا عن الحد الأدنى. [1]
الزخم في تدريب النماذج: لماذا لا يحدد التدرج الحالي الحركة وحده؟
يحتفظ الزخم في تدريب النماذج بحالة تجمع التدرج الحالي مع أثر متناقص للتدرجات السابقة، ثم يستخدمها لتحديث المعاملات. [1]
زخم Nesterov: أين يُحسب التدرج قبل تحديث المعامل؟
في صيغة زخم Nesterov الموضحة في الورقة، نحسب التدرج عند موضع ينتج من إضافة أثر الحركة السابقة إلى المعامل الحالي. [1]
AdaGrad: كيف يغيّر مجموع مربعات التدرجات معامل الخطوة؟
تجمع خوارزمية AdaGrad مربعات التدرجات لكل معامل، وتستخدم هذا التاريخ في مقام يقيس تحديثه بصورة منفصلة. [1]
RMSProp: كيف يتراجع أثر مربعات التدرجات القديمة؟
تستخدم خوارزمية RMSProp متوسطًا متحركًا لمربعات التدرجات، فيتراجع وزن المعلومات القديمة بدل جمعها كلها بالتساوي. [1]
خوارزمية Adam: ماذا يغيّر تصحيح المتوسطات التي تبدأ من صفر؟
تحتفظ خوارزمية Adam بمتوسط متحرك للتدرجات وآخر لمربعاتها، وتصحح أثر بدء الحالتين من صفر قبل حساب التحديث. [1]