معجم الذكاء الاصطناعي

متجه الميزات

feature vector

مجموعة قيم الميزات لوصف مثال واحد.

النموذج الخطي المعمّم

generalized linear model

تعميم لنماذج انحدار المربعات الصغرى القائمة على الضوضاء الغاوسية، ليشمل أنواعًا أخرى من النماذج المستندة إلى أنواع أخرى من الضوضاء، مثل ضوضاء بواسون أو الضوضاء الفئوية. من أمثلة النماذج الخطية المعمّمة:

التجزئة (Hashing)

hashing

في تعلّم الآلة، آلية لتقسيم (تجميع) البيانات الفئوية، خاصةً عندما يكون عدد الفئات كبيرًا، بينما يكون عدد الفئات الظاهرة فعليًا في مجموعة البيانات صغيرًا نسبيًا.

البيانات المحجوزة

holdout data

أمثلة لا تُستخدم عمداً أثناء التدريب؛ ومجموعتا التحقق (validation) والاختبار (test) مثالان على البيانات المحجوزة.

مجموعة بيانات غير متوازنة

imbalanced dataset

مرادف لمجموعة البيانات غير المتوازنة الفئات.

تعويض القيم الناقصة

imputation

إجراء تُستبدل فيه البيانات الناقصة بقيم مقدَّرة أو نمذَجة.

مصفوفة العناصر

item matrix

في أنظمة التوصية، مصفوفة من متجهات التضمين يولّدها تحليل المصفوفات وتمثل إشارات كامنة حول كل عنصر؛ يحمل كل صف من المصفوفة قيمة ميزة كامنة واحدة لجميع العناصر.

آلات المتجهات الداعمة بالنوى (KSVM)

kernel support vector machines (ksvms)

خوارزمية تصنيف تسعى إلى تعظيم الهامش بين الصنفين الموجب والسالب عبر إسقاط متجهات بيانات الإدخال إلى فضاء ذي أبعاد أعلى.

مثال موسوم

labeled example

مثال يحتوي على ميزة واحدة أو أكثر مع وسم.

تسرب الملصق

label leakage

عيب في تصميم النموذج تكون فيه ميزة ما وكيلًا عن الملصق؛ فمثلًا لو نظرنا إلى نموذج تصنيف ثنائي يتنبأ بما إذا كان عميل محتمل سيشتري منتجًا معينًا وكانت إحدى ميزاته قيمة منطقية اسمها SpokeToCustomerAgent.

الفئة الغالبة

majority class

التسمية الأكثر شيوعًا في مجموعة بيانات مختلة التوازن بين الفئات. في مجموعة بيانات تحتوي على 99% من التسميات السلبية و1% من التسميات الإيجابية، تكون التسميات السلبية هي الفئة الغالبة.

الفئة الأقلية

minority class

الوسم الأقل شيوعاً في مجموعة بيانات غير متوازنة الفئات؛ فإذا ضمت مجموعة البيانات 99% من الوسوم السالبة و1% من الوسوم الموجبة، تكون الوسوم الموجبة هي الفئة الأقلية.

التصنيف متعدد الفئات

multi-class classification

في التعلم الخاضع للإشراف، مشكلة تصنيف تحتوي مجموعة بياناتها أكثر من فئتين من الملصقات؛ فملصقات مجموعة Iris مثلًا يجب أن تكون من الفئات الثلاث التالية.

الضوضاء

noise

بشكل عام، أي شيء يحجب الإشارة في مجموعة البيانات. يمكن إدخال الضوضاء إلى البيانات بطرق متنوعة.

غير خطي

nonlinear

علاقة بين متغيرين أو أكثر لا يمكن تمثيلها بالجمع والضرب وحدهما؛ فالعلاقة الخطية يمكن تمثيلها بخط مستقيم بينما لا يمكن تمثيل العلاقة غير الخطية كذلك.

اللاثباتية

nonstationarity

ميزة تتغير قيمها عبر بُعد واحد أو أكثر، وعادةً عبر الزمن.

كشف الحالات الجديدة

novelty detection

عملية تحديد ما إذا كان مثال جديد (طريف) يأتي من التوزيع نفسه لمجموعة التدريب؛ أي تحديد ما إذا كان المثال الجديد (أثناء الاستدلال أو التدريب الإضافي) قيمة متطرفة (خارج النطاق).

بيانات رقمية

numerical data

ميزات ممثلة بأعداد صحيحة أو أعداد حقيقية؛ فتمثيل ميزة كبيانات رقمية يعني أن قيمها لها علاقة رياضية مع الوسم.

الترميز الأحادي

one-hot encoding

تمثيل البيانات الفئوية بمتجه تكون فيه قيمة عنصر واحد تساوي 1 وبقية القيم أصفاراً، حيث يمثل كل عنصر فئة من الفئات.

الإفراط في أخذ العينات

oversampling

إعادة استخدام أمثلة الصنف الأقل تمثيلاً في مجموعة بيانات غير متوازنة الصفوف لإنشاء مجموعة تدريب أكثر توازناً.

البيانات المعبأة

packed data

أسلوب لتخزين البيانات بطريقة أكثر كفاءة.

ما بعد المعالجة

post-processing

مرحلة تُنفَّذ عادةً بمساعدة مجموعة بيانات محجوزة (لم تُستخدم في تدريب النموذج)؛ يُعامل فيها النموذج المتعلم كصندوق أسود وتُعدَّل تنبؤاته بدالة تُستنتج من أداء النموذج على مجموعة البيانات المحجوزة.

انحياز التنبؤ

prediction bias

قيمة تشير إلى مدى بُعد متوسط التنبؤات عن متوسط التسميات في مجموعة البيانات.

دالة كثافة الاحتمال

probability density function

دالة تحدد تكرار عينات البيانات الحاملة لقيمة معينة بالضبط؛ وعندما تكون قيم مجموعة البيانات أعدادًا عشرية متصلة، نادرًا ما تحدث مطابقات دقيقة.

البروفينانس (بيانات الأصل)

provenance

بيانات توضح كيفية إنشاء قطعة من محتوى الوسائط الرقمية أو كيفية تغييرها.

التسميات الوكيلة

proxy labels

بيانات تُستخدم لتقريب التسميات غير المتاحة مباشرةً في مجموعة بيانات.

الكمية (Quantile)

quantile

كل مجموعة (حاوية) في تقسيم الكميات (quantile bucketing).

التجميع المئيني

quantile bucketing

توزيع قيم ميزة على فئات بحيث تحتوي كل فئة العدد نفسه (أو شبه نفسه) من الأمثلة؛ فقد تُقسَّم 44 نقطة إلى 4 فئات تحتوي كل منها 11 نقطة، وقد تختلف عروض الفئات في قيم س المحورية لتحقيق ذلك.

معامل التحديد (R²)

r-squared

مقياس انحدار يوضح مقدار التباين في الوسم الناتج عن ميزة مفردة أو مجموعة ميزات، وقيمته بين 0 و1.

التحجيم

scaling

أي تحويل أو تقنية رياضية تغيّر نطاق وسم أو قيمة ميزة أو كليهما؛ بعض أشكال التحجيم مفيدة للغاية لتحولات مثل التطبيع.

التعلم الذاتي الإشراف

self-supervised learning

نوع من التعلم الآلي يعتمد على توليد ملصقات ضمنية من بيانات غير منظمة بدلًا من الاعتماد على ملصقات صريحة صانعها الإنسان؛ وتُصمم مهامه بحيث يُستنتج الملصق الحقيقي تلقائيًا من بيانات التدريب، وبحيث يتطلب التقاط الميزات أو العلاقات الأساسية في البيانات.

الميزة المتناثرة

sparse feature

ميزة قيمها في الغالب صفر أو فارغة؛ فالميزة ذات القيمة الواحدة 1 ومليون قيمة 0 متناثرة. في المقابل، تكون الميزة الكثيفة قيمها في الغالب غير صفر أو غير فارغة.

التمثيل المتناثر

sparse representation

تخزين موضع (مواضع) العناصر غير الصفرية فقط في خاصية متناثرة.

المتجه المتناثر

sparse vector

متجه تكون معظم قيمه أصفاراً.

التناثر

sparsity

عدد العناصر المعيّنة إلى صفر في متجه أو مصفوفة مقسوماً على العدد الإجمالي لمدخلات ذلك المتجه أو المصفوفة.

ثابت

static

ما يُنجز مرة واحدة بدلًا من استمراره؛ ومصطلحا الثابت ودون اتصال مترادفان.

الميزة المصطنعة

synthetic feature

ميزة غير موجودة ضمن ميزات الإدخال لكنها تُركَّب من ميزة واحدة أو أكثر منها.

الدالة الهدف

target

طريقة لحل مشكلة يبحث عنها خوارزمية الذكاء الاصطناعي في بيانات تدريبه؛ وبمجرد إيجاد الدالة الهدف يمكن استخدامها للتنبؤ بالنتائج للمسائل الحقيقية التي لا تتضمن مخرجاتها بيانات التدريب.

البيانات الزمنية

temporal data

بيانات تُسجل في نقاط زمنية مختلفة؛ فمبيعات المعاطف الشتوية المسجلة عن كل يوم من السنة بيانات زمنية.

أخذ العينات الناقص

undersampling

إزالة أمثلة من الفئة الغالبة في مجموعة بيانات مختلة التوازن بين الفئات لإنشاء مجموعة تدريب أكثر توازنًا.