Jannah Theme License is not validated, Go to the theme options page to validate the license, You need a single license for each domain name.
اقتصاد وعملات

أفضل 10 خوارزميات لتعلم الآلة مستخدمة في مشاريع Python

التعلم الالي

التعلم الالي

في هذه المقالة ، سنتحدث عن 10 من أكثر خوارزميات التعلم الآلي استخدامًا في مشاريع Python

التعلم الآلي هو عملية استخدام الخوارزميات لمساعدة أنظمة الكمبيوتر على تحسين أدائها تدريجيًا في بعض المهام المحددة. Python هي واحدة من أكثر لغات البرمجة المدهشة لتصنيع أطر عمل أو آلات ذكية نظرًا للاستمتاع بالمزايا المختلفة التي تعمل على تطوير ML. تشكل خوارزميات ML الإطار وتضع الأسس الكامنة وراء كيفية عمل الجهاز أو النظام. بيثون قادرة على القيام بالعديد من مهام التعلم الآلي. في هذه المقالة ، سنتحدث عن 10 من أكثر خوارزميات التعلم الآلي استخدامًا في مشاريع Python.

الانحدار الخطي: الانحدار الخطي هو أحد خوارزميات التعلم الآلي الخاضعة للإشراف في بايثون والتي تراقب الميزات المستمرة وتتنبأ بالنتيجة. يؤسس علاقة بين المتغيرات التابعة والمستقلة من خلال ملاءمة أفضل خط. هذا يعني بشكل أساسي أنه يوضح كيفية تأثر المتغير التابع بقيمة المتغيرات المستقلة.

أشجار القرار: يتم إنشاء شجرة القرار من خلال طرح الأسئلة بشكل متكرر حول بيانات القسم. تندرج شجرة القرار تحت خوارزميات التعلم الآلي الخاضعة للإشراف في Python وهي مفيدة لكل من التصنيف والانحدار – على الرغم من أنها تستخدم في الغالب للتصنيف. يتم استخدامه بشكل أساسي للتصنيف بدلاً من الانحدار.

Naive Bayes: Naive Bayes هي خوارزمية تعلم آلي خاضعة للإشراف تستخدم في مهام التصنيف. سيفترض مصنف Naive Bayes أن الميزة في الفصل لا علاقة لها بأي ميزة أخرى. تقدم هذه الخوارزمية نموذجًا يعمل جيدًا مع مجموعات البيانات الضخمة.

K- الأقرب جيران أو KNN: هذه خوارزمية ML خاضعة للإشراف تأخذ بعين الاعتبار النقط الوسطى المختلفة وتستخدم عادةً وظيفة إقليدية لمقارنة المسافة. يتم استخدام KNN لكل من مهام الانحدار والتصنيف.

شبكة Discreet Hopfield Network: تقوم بإنشاء منظمة عصبية مزيفة تقوم بتخزين البيانات ويمكنها مراجعة هذه البيانات من الإدخال الجزئي. تقدم هذه الخوارزمية للآلات سلوكًا متكررًا يمكن تسميته بالربط التلقائي.

الانحدار اللوجستي: تُستخدم هذه الخوارزمية للتنبؤ باحتمالية حدوث حدث من خلال ملاءمة تلك البيانات في منحنى لوجستي أو وظيفة لوجستية. إنها واحدة من أكثر خوارزميات ML الخاضعة للإشراف ، والتي تستخدم وظيفة لوجستية لتحديد الناتج إما 1 أو 0.

الغابة العشوائية: الغابة العشوائية هي مجموعة من أشجار القرار. تصنف Random Forest الكائنات بناءً على السمات ، ويتم منح كل شجرة قرار فئة. بعد ذلك ، تختار هذه الخوارزمية ، في تلك المرحلة ، الفئة التي تُبلغ عن أكبر عدد من الأشجار.

آلات المتجهات الداعمة: هذه واحدة من أهم خوارزميات التعلم الآلي في Python والتي تستخدم بشكل أساسي للتصنيف ولكن يمكن استخدامها أيضًا في مهام الانحدار. يرسم خطًا يقسم فئات مختلفة من بياناتك.

Backpropagation: هذه خوارزمية تعلم خاضعة للإشراف تستخدم للتصنيف والانحدار. يلاحظ Backpropagation الجوانب الأساسية لقدرات الخطأ من خلال هبوط الميل أو طريقة قاعدة دلتا. هذه هي الطريقة التي يعثر بها الحساب على الأحمال الضرورية التي ستحد من وظائف الخطأ أو تعمل.

XGBoost: إنها خوارزمية تعزيز التدرج المستخدمة في وظائف مختلفة مثل الانحدار والترتيب والتصنيف. يحتوي هذا على خوارزمية التعلم الشجري والنموذج المباشر على حد سواء ، مما يسمح لـ XGBoost بالتنبؤ بالمناسبات بدقة عالية.

ظهر أعلى 10 خوارزميات للتعلم الآلي مستخدمة في مشاريع Python لأول مرة في Analytics Insight.

اظهر المزيد
زر الذهاب إلى الأعلى