Two-Class متوسط مكون الإدراك الحسي
توضح هذه المقالة مكونا في Azure التعلم الآلي مصمم.
استخدم هذا المكون لإنشاء نموذج تعلم آلي استنادا إلى خوارزمية الإدراك الحسي المتوسط.
خوارزمية التصنيف هذه هي طريقة تعلم خاضعة للإشراف، وتتطلب مجموعة بيانات ذات علامات تمييز، والتي تتضمن عمود تسمية. يمكنك تدريب النموذج من خلال توفير النموذج ومجموعة البيانات الموسومة كمدخل إلى نموذج القطار. يمكن بعد ذلك استخدام النموذج المدرب للتنبؤ بالقيم لأمثلة الإدخال الجديدة.
حول نماذج الإدراك الحسي المتوسط
طريقة الإدراك الحسي المتوسط هي نسخة مبكرة وبسيطة من الشبكة العصبية. في هذا النهج ، يتم تصنيف المدخلات إلى عدة مخرجات محتملة بناء على دالة خطية ، ثم يتم دمجها مع مجموعة من الأوزان المشتقة من متجه المعالم - ومن هنا جاء اسم "perceptron".
نماذج الإدراك الإدراكي الأبسط مناسبة لتعلم أنماط قابلة للفصل خطيا ، في حين أن الشبكات العصبية (خاصة الشبكات العصبية العميقة) يمكن أن تضع نموذجا لحدود طبقية أكثر تعقيدا. ومع ذلك ، فإن الإدراك الإدراكي أسرع ، ولأنها تعالج الحالات بشكل متسلسل ، يمكن استخدام الإدراك الحسي مع التدريب المستمر.
كيفية تكوين Two-Class متوسط الإدراك الحسي
أضف مكون الإدراك الحسي المتوسط من فئتين إلى خط الأنابيب الخاص بك.
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: حدد هذا الخيار إذا لم تكن متأكدا من أفضل المعلمات، وتريد تشغيل عملية مسح معلمة. حدد نطاقا من القيم لتكراره، وتكرر المعلمات التشعبية لنموذج Tune على جميع المجموعات الممكنة من الإعدادات التي قدمتها لتحديد المعلمات التشعبية التي تنتج أفضل النتائج.
بالنسبة Learning معدل، حدد قيمة لمعدل التعلم. تتحكم قيم معدل التعلم في حجم الخطوة المستخدمة في التدرج العشوائي في كل مرة يتم فيها اختبار النموذج وتصحيحه.
من خلال جعل المعدل أصغر ، فإنك تختبر النموذج في كثير من الأحيان ، مع خطر أن تتعثر في هضبة محلية. من خلال جعل الخطوة أكبر ، يمكنك التقارب بشكل أسرع ، في خطر تجاوز الحد الأدنى الحقيقي.
بالنسبة إلى الحد الأقصى لعدد التكرارات، اكتب عدد المرات التي تريد أن تقوم فيها الخوارزمية بفحص بيانات التدريب.
التوقف المبكر غالبا ما يوفر تعميما أفضل. زيادة عدد التكرارات يحسن التركيب ، في خطر الإفراط في التركيب.
بالنسبة لبذرة الأرقام العشوائية، اكتب اختياريا قيمة صحيحة لاستخدامها كبذرة. يوصى باستخدام البذور إذا كنت ترغب في ضمان قابلية تكرار خط الأنابيب عبر الأشواط.
الاتصال مجموعة بيانات التدريب ، وتدريب النموذج:
إذا قمت بتعيين إنشاء وضع مدرب إلى معلمة واحدة، فقم بتوصيل مجموعة بيانات ذات علامات تمييز بمكون نموذج القطار .
إذا قمت بتعيين إنشاء وضع المدرب إلى نطاق المعلمات، فقم بتوصيل مجموعة بيانات ذات علامات وتدريب النموذج باستخدام معلمات Tune Model Hyperمعلمات.
ملاحظة
إذا قمت بتمرير نطاق معلمات إلى نموذج القطار، فإنه يستخدم فقط القيمة الافتراضية في قائمة معلمات واحدة.
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.
الخطوات التالية
راجع مجموعة المكونات المتوفرة ل Azure التعلم الآلي.