انحدار Poisson

  • مقالة
  • قراءة خلال 3 دقائق

توضح هذه المقالة مكونا في Azure التعلم الآلي مصمم.

استخدم هذا المكون لإنشاء نموذج انحدار بواسون في خط أنابيب. يهدف انحدار بواسون إلى التنبؤ بالقيم الرقمية ، وعادة ما يتم احتسابها. لذلك، يجب استخدام هذا المكون لإنشاء نموذج الانحدار الخاص بك فقط إذا كانت القيم التي تحاول التنبؤ بها تناسب الشروط التالية:

  • يحتوي متغير الاستجابة على توزيع بواسون.

  • لا يمكن أن تكون الأعداد سلبية. ستفشل الطريقة تماما إذا حاولت استخدامها مع تسميات سلبية.

  • توزيع بواسون هو توزيع منفصل. لذلك ، ليس من المجدي استخدام هذه الطريقة مع الأعداد غير الصحيحة.

تلميح

إذا لم يكن هدفك هو العد ، فمن المحتمل ألا يكون انحدار بواسون طريقة مناسبة. جرب مكونات الانحدار الأخرى في المصمم.

بعد إعداد طريقة الانحدار، يجب تدريب النموذج باستخدام مجموعة بيانات تحتوي على أمثلة للقيمة التي تريد التنبؤ بها. يمكن بعد ذلك استخدام النموذج المدرب لإجراء التنبؤات.

المزيد حول انحدار بواسون

انحدار بواسون هو نوع خاص من تحليل الانحدار الذي يستخدم عادة لنمذجة العد. على سبيل المثال، سيكون انحدار بواسون مفيدا في هذه السيناريوهات:

  • نمذجة عدد نزلات البرد المرتبطة برحلات الطائرات

  • تقدير عدد مكالمات خدمة الطوارئ أثناء الحدث

  • توقع عدد استفسارات العملاء بعد العرض الترويجي

  • إنشاء جداول الطوارئ

نظرا لأن متغير الاستجابة له توزيع بواسون ، فإن النموذج يضع افتراضات مختلفة حول البيانات وتوزيعها الاحتمالي من ، على سبيل المثال ، انحدار المربعات الصغرى. لذلك ، يجب تفسير نماذج بواسون بشكل مختلف عن نماذج الانحدار الأخرى.

كيفية تكوين انحدار بواسون

  1. أضف مكون Poisson Regression إلى خط الأنابيب الخاص بك في المصمم. يمكنك العثور على هذا المكون ضمن التعلم الآلي الخوارزميات، في فئة الانحدار.

  2. إضافة مجموعة بيانات تحتوي على بيانات تدريب من النوع الصحيح.

    نوصي باستخدام تطبيع البيانات لتطبيع مجموعة بيانات الإدخال قبل استخدامها لتدريب الانحدار.

  3. في الجزء الأيسر من مكون Poisson Regression ، حدد الطريقة التي تريد تدريب النموذج بها، عن طريق تعيين الخيار إنشاء وضع مدرب .

    • معلمة واحدة: إذا كنت تعرف الطريقة التي تريد بها تكوين النموذج، فقم بتوفير مجموعة محددة من القيم كوسيطات.

    • نطاق المعلمات: إذا لم تكن متأكدا من أفضل المعلمات، فقم بإجراء مسح للمعلمات باستخدام مكون Tune Model Hyperparameters (Tune Model Hyperparameters ). يكرر المدرب على قيم متعددة تحددها للعثور على التكوين الأمثل.

  4. تفاوت التحسين: اكتب قيمة تحدد الفاصل الزمني للتفاوت أثناء التحسين. كلما انخفضت القيمة ، كلما كان التركيب أبطأ وأكثر دقة.

  5. وزن تنظيم L1 ووزن تنظيم L2: قيم النوع لاستخدامها في تنظيم L1 و L2. يضيف التنظيم قيودا على الخوارزمية فيما يتعلق بجوانب النموذج المستقلة عن بيانات التدريب. يستخدم التنظيم بشكل شائع لتجنب الإفراط في التركيب.

    • يعد تنظيم L1 مفيدا إذا كان الهدف هو الحصول على نموذج متناثر قدر الإمكان.

      يتم تنظيم L1 عن طريق طرح وزن L1 لمتجه الوزن من تعبير الخسارة الذي يحاول المتعلم تقليله. قاعدة L1 هي تقريب جيد لقاعدة L0 ، وهو عدد الإحداثيات غير الصفرية.

    • يمنع تنظيم L2 أي إحداثي واحد في متجه الوزن من النمو أكثر من اللازم في الحجم. يعد تنظيم L2 مفيدا إذا كان الهدف هو الحصول على نموذج بأوزان إجمالية صغيرة.

    في هذا المكون ، يمكنك تطبيق مجموعة من تنظيمات L1 و L2. من خلال الجمع بين تنظيم L1 و L2 ، يمكنك فرض عقوبة على حجم قيم المعلمات. يحاول المتعلم تقليل العقوبة ، في مقايضة مع تقليل الخسارة.

    وللاطلاع على مناقشة جيدة لتنظيم الفئتين L1 وL2، انظر تسوية الأوضاع بين L1 وL2 للاطلاع على التعلم الآلي.

  6. حجم الذاكرة ل L-BFGS: حدد مقدار الذاكرة التي يجب حجزها لتركيب النموذج وتحسينه.

    L-BFGS هي طريقة محددة للتحسين ، استنادا إلى خوارزمية Broyden-Fletcher-Goldfarb-Shanno (BFGS). تستخدم الطريقة كمية محدودة من الذاكرة (L) لحساب اتجاه الخطوة التالية.

    من خلال تغيير هذه المعلمة، يمكنك التأثير على عدد المواضع والتدرجات السابقة التي يتم تخزينها لحساب الخطوة التالية.

  7. الاتصال مجموعة بيانات التدريب والنموذج غير المدرب إلى أحد مكونات التدريب:

    تحذير

    • إذا قمت بتمرير نطاق معلمات إلى نموذج القطار، فإنه يستخدم القيمة الأولى فقط في قائمة نطاق المعلمات.

    • إذا قمت بتمرير مجموعة واحدة من قيم المعلمات إلى مكون Tune Model Hyperparameters ، فعندما تتوقع نطاقا من الإعدادات لكل معلمة ، فإنها تتجاهل القيم وتستخدم القيم الافتراضية للمتعلم.

    • إذا قمت بتحديد خيار نطاق المعلمات وأدخلت قيمة واحدة لأي معلمة، استخدام هذه القيمة المفردة التي حددتها خلال عملية المسح، حتى إذا تغيرت المعلمات الأخرى عبر نطاق من القيم.

  8. إرسال المسار.

النتائج

بعد اكتمال التدريب:

  • لحفظ لقطة للنموذج المدرب، حدد مكون التدريب، ثم قم بالتبديل إلى علامة التبويب مخرجات+سجلات في اللوحة اليمنى. انقر على أيقونة تسجيل مجموعة البيانات. يمكنك العثور على النموذج المحفوظ كمكون في شجرة المكونات.

الخطوات التالية

راجع مجموعة المكونات المتوفرة ل Azure التعلم الآلي.