content_cookies111:string(1670) "{"id":64653,"content_cookies":null,"user_header":{"SERVER_SOFTWARE":"Apache\/2.4.52 (Debian)","REQUEST_URI":"\/technodad\/%D8%AE%D8%B7%D8%A3-%D8%A7%D9%84%D8%AA%D8%B9%D9%85%D9%8A%D9%85\/","REDIRECT_STATUS":"200","HTTP_X_FORWARDED_PROTO":"https","HTTP_CONNECTION":"upgrade","HTTP_HOST":"technologyreview.ae","HTTP_CF_CONNECTING_IP":"3.214.184.223","HTTP_CF_IPCOUNTRY":"US","HTTP_ACCEPT_ENCODING":"gzip","HTTP_CF_RAY":"80be18fc38920603-IAD","HTTP_CF_VISITOR":"{\\\"scheme\\\":\\\"https\\\"}","HTTP_USER_AGENT":"CCBot\/2.0 (https:\/\/commoncrawl.org\/faq\/)","HTTP_ACCEPT":"text\/html,application\/xhtml+xml,application\/xml;q=0.9,*\/*;q=0.8","HTTP_ACCEPT_LANGUAGE":"en-US,en;q=0.5","HTTP_CDN_LOOP":"cloudflare","PATH":"\/usr\/local\/sbin:\/usr\/local\/bin:\/usr\/sbin:\/usr\/bin:\/sbin:\/bin","SERVER_SIGNATURE":"Apache\/2.4.52 (Debian) Server at technologyreview.ae Port 80<\/address>\n","SERVER_NAME":"technologyreview.ae","SERVER_ADDR":"172.18.0.9","SERVER_PORT":"80","REMOTE_ADDR":"3.214.184.223","DOCUMENT_ROOT":"\/var\/www\/html","REQUEST_SCHEME":"http","CONTEXT_PREFIX":"","CONTEXT_DOCUMENT_ROOT":"\/var\/www\/html","SERVER_ADMIN":"webmaster@localhost","SCRIPT_FILENAME":"\/var\/www\/html\/index.php","REMOTE_PORT":"42252","REDIRECT_URL":"\/technodad\/\u062e\u0637\u0623-\u0627\u0644\u062a\u0639\u0645\u064a\u0645\/","GATEWAY_INTERFACE":"CGI\/1.1","SERVER_PROTOCOL":"HTTP\/1.1","REQUEST_METHOD":"GET","QUERY_STRING":"","SCRIPT_NAME":"\/index.php","PHP_SELF":"\/index.php","REQUEST_TIME_FLOAT":1695590701.718331,"REQUEST_TIME":1695590701,"argv":[],"argc":0,"HTTPS":"on"},"user_ip":"3.214.184.223","user_agent":"CCBot\/2.0 (https:\/\/commoncrawl.org\/faq\/)"}"
هو الفرق بين أداء نموذج التعلم الآلي على بيانات التدريب وأدائه على بيانات جديدة وغير معروفة مسبقاً بالنسبة له، ويعد مقياساً لجودة نماذج الذكاء الاصطناعي. ويشير خطأ التعميم المنخفض إلى أن النموذج قد تعلم التعميم بشكل جيد، بينما يشير خطأ التعميم العالي إلى أن النموذج يفرط في التعلم من بيانات التدريب ولا يعمم بشكل جيد.
التعميم في التعلم الآلي
من أجل التعميم بشكلٍ جيد، لنفرض أن لدينا قاعدة بيانات تحتوي على أنواع الأشجار مثل السرو والصنوبر والأرز وقد تم تصنيفها من فئة الأشجار، وقام المستخدم بإدخال صورة شجرة غير موجودة في قاعدة البيانات، ولنفرض شجرة المانجو لاختبار تصنيفها، هل يستطيع النموذج فهم أنها من الأشجار بناء على الخصائص المتشابهة مع تصنيف الأشجار أم لا؟
توجد حالتان للإجابة:
خطأ التعميم المنخفض: يستطيع النموذج التنبؤ بأنها تنتمي لتصنيف الأشجار.
التعميم المرتفع: لا يستطيع النموذج التنبؤ بأنها من تصنيف الأشجار لأنه قام بالإفراط بمواءمة بيانات التدريب، ما يقوده للخطأ في التنبؤ بتصنيف بيانات الاختبار.
كيفية تقليل خطأ التعميم
يمكن التقليل من خطأ التعميم باتباع بعض الإجراءات، ومن أهمها:
زيادة حجم البيانات التدريبية: يزيد حجم البيانات التدريبية من دقة نموذج التعلم الآلي ويقلل خطأ التعميم.
تقليل تعقيد النموذج: قد تكون الأخطاء المرتبطة بالتعميم مرتبطة بزيادة تعقيد النموذج. يمكن تخفيف تعقيد النموذج عن طريق استخدام نماذج أبسط أو استخدام خوارزميات تحديد الخصائص (feature selection) لاختيار الخصائص الأكثر أهمية للتنبؤ.
استخدام تقنيات التحقق: تساعد تقنيات التحقق على تقييم أداء النموذج على بيانات جديدة وفق معايير تحقق محددة.
اختيار المعاملات: يعد اختيار المعاملات الفائقة والخيارات الإعدادية للنموذج (hyperparameters) طريقة لتقليل خطأ التعميم، ويمكن تجربة مجموعة من المعاملات للحصول على أداء أفضل على البيانات جديدة.
نستخدم ملفات تعريف الارتباط لتحسين تجربتك، استمرار استخدامك للموقع يعني موافقتك على ذلك. سياسة الخصوصيةأوافقX
Privacy & Cookies Policy
Privacy Overview
This website uses cookies to improve your experience while you navigate through the website. Out of these cookies, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may have an effect on your browsing experience.
Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.