نویسنده(های): سورادیپ پال
در ابتدا منتشر شد به سمت هوش مصنوعی.
این داستان فقط برای اعضا در اختیار ماست. برای دسترسی به تمام Medium ارتقا دهید.
تصور کنید سعی می کنید حدس بزنید چند دانه ژله در یک شیشه وجود دارد. شما از پنج نفر به صورت جداگانه سوال می کنید و پاسخ های آنها بسیار متفاوت است. اما وقتی میانگین این حدس‌ها را می‌دهید، ناگهان به عدد واقعی نزدیک می‌شوید. این اصل هوش جمعی – “عقل جمعیت” – پایه و اساس یادگیری گروهی در یادگیری ماشینی. با ادغام، پیش‌بینی‌های مدل‌های متعدد، درست مانند جمع‌آوری نظرات افراد مختلف، اغلب می‌توانیم دقت و استحکام را بهبود ببخشیم، دقیقاً مانند اینکه چگونه حدس متوسط در نهایت قابل اعتمادتر است.
اما نکته اینجاست: یادگیری گروهی فقط خواه ناخواه مدل های تصادفی را ترکیب نمی کند. در عوض، از ترکیبی از الگوریتم‌های مختلف استفاده می‌کند – یا حتی همان الگوریتمی که برای داده‌ها یا پیکربندی‌های مختلف اعمال می‌شود – تا تصمیمات هوشمندانه‌تری بگیرد. بیایید به این مفهوم جذاب شیرجه بزنیم و ببینیم که چگونه در جهان کار می کند یادگیری ماشینی!
قدرت واقعی یادگیری گروهی از تنوع ناشی می شود. متدهای گروهی به جای تکیه بر یک مدل، چندین مدل می‌سازند که ممکن است از آنها استفاده کنند:
الگوریتم های مختلف: به عنوان مثال، یک مدل ممکن است استفاده کند درختان تصمیم در حالی که الگوریتم دیگری از رگرسیون لجستیک استفاده می کند. الگوریتم یکسان اما بر روی زیر مجموعه های مختلف داده آموزش دیده است: حتی… وبلاگ کامل را به صورت رایگان در Medium بخوانید.
منتشر شده از طریق به سمت هوش مصنوعی