یادگیری ماشین
K-Meansکی‌مینز
کی‌مینز؛ الگوریتم ساده و معروف برای خوشه‌بندی داده‌ها به چند گروه. کاربر باید تعداد گروه‌ها یا K را تعیین کند و الگوریتم نقاط را بر اساس نزدیکی به مرکز هر گروه تقسیم می‌کند.
مشاهدهٔ جزئیاتدانشنامهٔ Noventix
واژه‌نامهٔ هوش مصنوعی
مفاهیم و اصطلاحات هوش مصنوعی را عمیق‌تر بشناس.
۳۴۵ اصطلاح آموزشی۲۵ حوزهٔ موضوعیرایگان برای همه
مرور سریع
از الفبا شروع کن
دسته‌بندی‌ها
۴۵ اصطلاحموضوع موردنظرت را انتخاب کن
نتایج فیلترشدهحذف فیلترها
یادگیری ماشین
KNN (K-Nearest Neighbors)نزدیک‌ترین همسایه‌ها
نزدیک‌ترین همسایه‌ها؛ الگوریتمی که نمونه‌های مشابه در اطراف ورودی را پیدا و بر اساس آن‌ها تصمیم می‌گیرد. این روش برای تصمیم‌گیری از نمونه‌های نزدیک به داده جدید استفاده می‌کند و به معیار سنجش فاصله وابسته است.
مشاهدهٔ جزئیاتیادگیری ماشین
Labelبرچسب
برچسب؛ پاسخ یا دسته صحیح برای یک نمونه در مسائل طبقه‌بندی. در یک دیتاست تشخیص تصویر، مثلا «گربه» یا «سگ» می‌تواند Label نمونه باشد.
مشاهدهٔ جزئیاتیادگیری ماشین
ML (Machine Learning)یادگیری ماشین (ML)
یادگیری ماشین؛ مخفف Machine Learning. ML شکل کوتاه‌شده اصطلاح Machine Learning است و همان مفهوم یادگیری ماشین را بیان می‌کند.
مشاهدهٔ جزئیاتیادگیری ماشین
Machine Learningیادگیری ماشین
یادگیری ماشین؛ شاخه‌ای از هوش مصنوعی که در آن مدل‌ها از داده‌ها یاد می‌گیرند بدون برنامه‌نویسی صریح تمام قواعد. در یادگیری ماشین، به جای نوشتن همه قوانین به‌صورت دستی، مدل از نمونه‌های داده الگوهای لازم را یاد می‌گیرد.
مشاهدهٔ جزئیاتیادگیری ماشین
Normalizationنرمال‌سازی
نرمال‌سازی؛ مقیاس‌کردن داده‌ها به دامنه‌ای ثابت برای کمک به آموزش بهتر. نرمال‌سازی می‌تواند اختلاف مقیاس بین ویژگی‌ها را کاهش دهد و در برخی مدل‌ها آموزش را پایدارتر کند.
مشاهدهٔ جزئیاتیادگیری ماشین
Overfittingبیش‌برازش
بیش‌برازش؛ زمانی که مدل روی جزئیات داده آموزشی بیش‌ازحد تمرکز می‌کند و روی داده جدید ضعیف می‌شود. برای کاهش بیش‌برازش می‌توان از روش‌هایی مانند Regularization، افزایش داده یا توقف زودهنگام استفاده کرد.
مشاهدهٔ جزئیاتیادگیری ماشین
Pattern Recognitionتشخیص الگو
تشخیص الگو؛ شناسایی نظم‌ها و ساختارهای تکراری در داده مثل تشخیص چهره. تشخیص الگو در حوزه‌هایی مانند تشخیص چهره، تشخیص دست‌خط، تحلیل صدا و کشف تقلب استفاده می‌شود.
مشاهدهٔ جزئیاتیادگیری ماشین
Preprocessingپیش‌پردازش
پیش‌پردازش؛ مجموعه گام‌های آماده‌سازی داده پیش از آموزش یا پیش‌بینی، مانند پاک‌سازی، تبدیل و مقیاس‌بندی؛ باید در آموزش و سرویس‌دهی یکسان باشد.
مشاهدهٔ جزئیاتیادگیری ماشین
Q-Learningکیو-لرنینگ
کیو-لرنینگ؛ الگوریتم یادگیری تقویتی برای یادگیری بهترین اقدام در هر وضعیت. عامل به‌تدریج یاد می‌گیرد برای هر وضعیت و اقدام چه مقدار پاداش آینده انتظار داشته باشد و بر اساس آن تصمیم بگیرد.
مشاهدهٔ جزئیاتیادگیری ماشین
Q-Networkشبکه کیو
شبکه کیو؛ شبکه عصبی که در Q-Learning برای تخمین مقدار Q استفاده می‌شود. Q-Network یک شبکه عصبی است که مقدار Q را برای حالت‌ها یا اقدامات مختلف تخمین می‌زند.
مشاهدهٔ جزئیاتیادگیری ماشین
Q-Valueمقدار کیو
مقدار کیو؛ امتیاز پیش‌بینی‌شده برای یک اقدام در یک وضعیت خاص در یادگیری تقویتی. هرچه Q-Value یک اقدام بیشتر باشد، از دید مدل آن اقدام در آن وضعیت مطلوب‌تر است.
مشاهدهٔ جزئیاتیادگیری ماشین
RL (Reinforcement Learning)یادگیری تقویتی (RL)
یادگیری تقویتی؛ مخفف Reinforcement Learning. RL شکل کوتاه‌شده Reinforcement Learning و همان یادگیری تقویتی است.
مشاهدهٔ جزئیاتیادگیری ماشین
Regressionرگرسیون
رگرسیون؛ مدل‌سازی رابطه میان ورودی و یک خروجی عددی پیوسته؛ مثلا پیش‌بینی قیمت یا تقاضا بر اساس ویژگی‌های ورودی.
مشاهدهٔ جزئیاتیادگیری ماشین
Regularizationقاعده‌گذاری
قاعده‌گذاری؛ تکنیک‌هایی برای جلوگیری از بیش‌برازش در مدل‌ها. این روش‌ها مدل را از یادگیری بیش‌ازحد جزئیات داده آموزشی بازمی‌دارند تا روی داده‌های جدید بهتر عمل کند.
مشاهدهٔ جزئیاتیادگیری ماشین
Reinforcement Learningیادگیری تقویتی
یادگیری تقویتی؛ نوعی یادگیری که در آن یک عامل با پاداش و تنبیه از محیط یاد می‌گیرد. عامل با آزمون و خطا یاد می‌گیرد کدام اقدامات در بلندمدت پاداش بیشتری ایجاد می‌کنند.
مشاهدهٔ جزئیاتیادگیری ماشین
Supervised Learningیادگیری نظارت‌شده
یادگیری نظارت‌شده؛ آموزش مدل با داده‌های دارای برچسب. در این روش مدل از نمونه‌هایی یاد می‌گیرد که پاسخ درست آن‌ها از قبل مشخص شده است.
مشاهدهٔ جزئیاتیادگیری ماشین
Underfittingکم‌برازش
کم‌برازش؛ زمانی که مدل آن‌قدر ساده است که الگوهای مهم داده را یاد نمی‌گیرد. افزایش ظرفیت مدل، بهبود ویژگی‌ها یا آموزش مناسب‌تر می‌تواند در برخی شرایط به کاهش کم‌برازش کمک کند.
مشاهدهٔ جزئیاتیادگیری ماشین
Unsupervised Learningیادگیری بدون نظارت
یادگیری بدون نظارت؛ آموزش مدل با داده‌های بدون برچسب برای کشف ساختارهای پنهان. این روش برای کشف ساختارهای پنهان داده، خوشه‌بندی و برخی روش‌های کاهش بعد کاربرد دارد.
مشاهدهٔ جزئیاتیادگیری ماشین
Value Functionتابع ارزش
تابع ارزش؛ در یادگیری تقویتی، تابعی که کیفیت یک وضعیت یا اقدام را تخمین می‌زند. در یادگیری تقویتی، Value Function کمک می‌کند بفهمیم یک وضعیت یا اقدام از نظر پاداش آینده چقدر مطلوب است.
مشاهدهٔ جزئیاتیادگیری ماشین
Word Embeddingجای‌گذاری کلمه
جای‌گذاری کلمه؛ نمایش کلمات به صورت بردارهای عددی که روابط معنایی بین آن‌ها را حفظ می‌کند. کلماتی که از نظر معنایی به هم نزدیک‌اند معمولا در فضای برداری نیز به یکدیگر نزدیک‌تر نمایش داده می‌شوند.
مشاهدهٔ جزئیات