التحيز الاستقرائيالتحيز الاستقرائي (المعروف أيضًا باسم تحيز التعلم ) لخوارزمية التعلم هو مجموعة من الافتراضات التي يستخدمها المتعلم للتنبؤ بالمخرجات التي سيحصل عليها لمدخلات لم يواجهها من قبل.[1] في التعلم الآلي ، يتم الاتجاه إلى إنشاء خوارزميات قادرة على تعلم التنبؤ وفق نتيجة معينة. ولتحقيق ذلك، تقدم لخوارزمية التعلم بعض الأمثلة التدريبية التي توضح العلاقة المقصودة بين قيم المدخلات والمخرجات. بعد ذلك، يُفترض من المتعلم تقريب الناتج الصحيح، حتى بالنسبة للأمثلة التي لم يطلع عليها أثناء التدريب. لكن ودون افتراضات إضافية، لن يكون من الممكن حل هذه المشكلة تمامًا لأن الحالات غير المرئية قد يكون لها ناتج اعتباطي. يندرج صنف الافتراضات اللازمة حول طبيعة الدالة المستهدفة للحصول على الناتج الصحيح بعبارة التحيز الاستقرائي.[1][2] يعد نصل أوكام من الأمثلة الكلاسيكية على التحيز الاستقرائي، بافتراض أن أبسط فرضية ثابتة حول الدالة المستهدفة هي الفرضية الأفضل. وكلمة ثابتة هنا تعني أن فرضية المتعلم تعطي نتائج صحيحة لكل الأمثلة التي أعطيت للخوارزمية (البيانات التدريبية). تستند مقاربات التعريف الأكثر رسمية للتحيز الاستقرائي إلى المنطق الرياضي . التحيز الاستقرائي هنا هو صيغة منطقية تتضمن مع بيانات التدريب الفرضية التي يولدها المتعلم. ومع ذلك، فإن هذه القواعد تفشل في العديد من الحالات العملية، حيث لا يمكن إعطاء التحيز الاستقرائي إلا وصفًا تقريبيًا (على سبيل المثال في حالة الشبكات العصبية الاصطناعية) ، أو قد يتعذر وصفها تماماً. الأصناففيما يلي قائمة بالتحيزات الاستقرائية الشائعة في خوارزميات التعلم الآلي.
تحرك التحيزعلى الرغم من أن معظم خوارزميات التعلم لها تحيز ثابت، إلا أن بعض الخوارزميات مصممة بحيث يتحرك تحيزها بعد أن تحصل على المزيد من البيانات.[3] وفي هذه الحالة لا تكون الخوارزميات بمنأى عن التحيز، لأن عملية تحرك وتغيير التحيز نفسها يجب أن يكون لها تحيز أيضاً. المراجع
|
Portal di Ensiklopedia Dunia