تعلم الخصائص - ويكيبيديا

تعلم الآلة والتنقيب في البيانات
جزء من سلسلة مقالات حول

مشكلات تصنيف إحصائي تحليل عنقودي تحليل الانحدار اكتشاف الشذوذ تعلم الآلة الآلي تعلم قواعد الارتباط تعليم معزز التوقع المهيكل ^{[الإنجليزية]} هندسة الخصائص تعلم الخصائص تعلم الآلة المستمر التعلم شبه المشرف ^{[الإنجليزية]} تعلم غير مراقب تعلم الدرجة ^{[الإنجليزية]} إدخال القواعد ^{[الإنجليزية]}
التعليم بالإشراف تعلم شجرة القرار التعلم الجماعي التقطير ^{[الإنجليزية]} تعزيز غابة عشوائية كي أقرب جار انحدار خطي المصنف بايز ساذج شبكة عصبونية اصطناعية انحدار لوجستي بيرسيبترون آلة المتجهات ذات الصلة ^{[الإنجليزية]} شعاع الدعم الآلي
تحليل عنقودي بيرش خوارزمية كير لتجميع البيانات تجميع هرمي خوارزمية تصنيفية تحقيق أقصى قدر للتوقع (EM) ديبِسكان خوارزمية أوبيتك للتجميع ^{[الإنجليزية]} الانتقال المتوسط
اختزال الأبعاد تحليل عاملي CCA ^{[الإنجليزية]} تحليل المكونات المستقلة تحليل التمييز الخطي NMF ^{[الإنجليزية]} تحليل العنصر الرئيسي PGD ^{[الإنجليزية]} تي-إس إن إي ^{[الإنجليزية]}
التوقع المهيكل النموذج الرسومي ^{[الإنجليزية]} شبكة بايزية حقل عشوائي مشروط ^{[الإنجليزية]} نظرية ماركوف المخفية
تشخيص الشذوذ كي أقرب جار عامل الخروج المحلي ^{[الإنجليزية]}
الشبكات العصبونية الاصطناعية مرمز تلقائي تعلم متعمق ديب دريم الأجهزة المتعددة الطبقات ^{[الإنجليزية]} RNN LSTM GRU ^{[الإنجليزية]} ESN آلة بولتزمان المحدودة ^{[الإنجليزية]} شبكة خصومية توليدية خريطة ذاتية التنظيم شبكة عصبونية التفافية يو-نت ^{[الإنجليزية]}
تعليم معزز التعلم القياسي ^{[الإنجليزية]} SARSA ^{[الإنجليزية]} تعلم الفرق الزمني
النظرية موازنة التحيز والتباين نظرية التعلم الحوسبي تقليل المخاطر التجريبي تعلم أوكام ^{[الإنجليزية]} تعلم باك التعلم الإحصائي ^{[الإنجليزية]} نظرية في سي ^{[الإنجليزية]}
أنظمة تعلم الآلة NeurIPS ICML ML JMLR ^{[الإنجليزية]}
بوابة تعلم الآلة
ع ن ت

تعلم الخصائص^[1] أو تعلم التمثيل^[2] في تعلم الآلة مجموعة من التقنيات التي تسمح للنظام باكتشاف التمثيلات اللازمة لاكتشاف الميزات أو تصنيفها تلقائيًا من البيانات الأولية. يحل هذا محل هندسة الميزات اليدوية ويسمح للآلة بتعلم الميزات واستخدامها لأداء مهمة محددة.

يُحَفر تعلم الميزات من خلال حقيقة أن مهام تعلم الآلة مثل التصنيف غالبًا ما تتطلب مدخلات مناسبة للمعالجة رياضيًا وحسابيًا. ومع ذلك، فإن بيانات العالم الحقيقي مثل الصور والفيديو وبيانات الاستشعار لم تستسلم لمحاولات تحديد ميزات محددة خوارزميًا. والبديل هو اكتشاف مثل هذه الميزات أو التمثيلات من خلال الفحص، دون الاعتماد على خوارزميات واضحة.

يمكن أن يكون تعلم الميزات أو الخصائص إما خاضعًا للمراقبة أو غير خاضع لها.

المراجع

[عدل]

^ معجم البيانات والذكاء الاصطناعي (PDF) (بالعربية والإنجليزية)، الهيئة السعودية للبيانات والذكاء الاصطناعي، 2022، ص. 69، QID:Q111421033
^ Y. Bengio؛ A. Courville؛ P. Vincent (2013). "Representation Learning: A Review and New Perspectives". IEEE Transactions on Pattern Analysis and Machine Intelligence. ج. 35 ع. 8: 1798–1828. arXiv:1206.5538. DOI:10.1109/tpami.2013.50. PMID:23787338. S2CID:393948.