Two-Class مكون الشبكة العصبية
توضح هذه المقالة مكونا في Azure التعلم الآلي مصمم.
استخدم هذا المكون لإنشاء نموذج شبكة عصبية يمكن استخدامه للتنبؤ بهدف يحتوي على قيمتين فقط.
التصنيف باستخدام الشبكات العصبية هو طريقة تعلم خاضعة للإشراف ، وبالتالي يتطلب مجموعة بيانات موسومة ، والتي تتضمن عمود تسمية. على سبيل المثال، يمكنك استخدام نموذج الشبكة العصبية هذا للتنبؤ بالنتائج الثنائية مثل ما إذا كان المريض مصابا بمرض معين أم لا، أو ما إذا كان من المحتمل أن تفشل الآلة خلال فترة زمنية محددة.
بعد تعريف النموذج، قم بتدريبه من خلال توفير مجموعة بيانات ذات علامات تمييز والنموذج كمدخل إلى نموذج القطار. ويمكن بعد ذلك استخدام النموذج المدرب للتنبؤ بقيم المدخلات الجديدة.
المزيد عن الشبكات العصبية
الشبكة العصبية هي مجموعة من الطبقات المترابطة. المدخلات هي الطبقة الأولى ، ويتم توصيلها بطبقة إخراج بواسطة رسم بياني غير حلقي يتكون من حواف وعقد مرجحة.
بين طبقات الإدخال والإخراج يمكنك إدراج طبقات مخفية متعددة. يمكن إنجاز معظم المهام التنبؤية بسهولة باستخدام طبقة واحدة فقط أو بضع طبقات مخفية. ومع ذلك ، فقد أظهرت الأبحاث الحديثة أن الشبكات العصبية العميقة (DNN) مع العديد من الطبقات يمكن أن تكون فعالة في المهام المعقدة مثل التعرف على الصور أو الكلام. تستخدم الطبقات المتعاقبة لنمذجة مستويات متزايدة من العمق الدلالي.
يتم تعلم العلاقة بين المدخلات والمخرجات من تدريب الشبكة العصبية على بيانات المدخلات. ينتقل اتجاه الرسم البياني من المدخلات عبر الطبقة المخفية وإلى طبقة الإخراج. يتم توصيل جميع العقد في الطبقة بواسطة الحواف المرجحة بالعقد في الطبقة التالية.
لحساب مخرجات الشبكة لمدخلات معينة، يتم حساب قيمة عند كل عقدة في الطبقات المخفية وفي طبقة المخرجات. يتم تعيين القيمة عن طريق حساب المجموع المرجح لقيم العقد من الطبقة السابقة. ثم يتم تطبيق دالة تنشيط على هذا المجموع المرجح.
كيفية التهيئة
أضف مكون الشبكة العصبية من فئتين إلى خط الأنابيب الخاص بك. يمكنك العثور على هذا المكون ضمن التعلم الآلي، تهيئة، في فئة التصنيف.
حدد الطريقة التي تريد تدريب النموذج بها، عن طريق تعيين الخيار إنشاء وضع مدرب .
معلمة واحدة: حدد هذا الخيار إذا كنت تعرف بالفعل كيف تريد تكوين النموذج.
نطاق المعلمات: إذا لم تكن متأكدا من أفضل المعلمات ، فيمكنك العثور على المعلمات المثلى باستخدام مكون Tune Model Hyperparameters . يمكنك توفير نطاق معين من القيم، ويكرر المدرب على مجموعات متعددة من الإعدادات لتحديد مجموعة القيم التي تنتج أفضل نتيجة.
بالنسبة لمواصفات الطبقة المخفية، حدد نوع بنية الشبكة المراد إنشاؤها.
الحالة المتصلة بالكامل: تستخدم بنية الشبكة العصبية الافتراضية، المحددة للشبكات العصبية من فئتين على النحو التالي:
يحتوي على طبقة واحدة مخفية.
يتم توصيل طبقة الإخراج بالكامل بالطبقة المخفية ، والطبقة المخفية متصلة بالكامل بطبقة الإدخال.
عدد العقد في طبقة الإدخال يساوي عدد المعالم في بيانات التدريب.
يتم تعيين عدد العقد في الطبقة المخفية من قبل المستخدم. القيمة الافتراضية هي 100.
عدد العقد يساوي عدد الفئات. بالنسبة للشبكة العصبية من فئتين ، هذا يعني أن جميع المدخلات يجب أن ترسم إلى واحدة من عقدتين في طبقة الإخراج.
بالنسبة Learning معدل، حدد حجم الخطوة المتخذة في كل تكرار، قبل التصحيح. يمكن أن تؤدي القيمة الأكبر لمعدل التعلم إلى تقارب النموذج بشكل أسرع ، ولكن يمكن أن يتجاوز الحد الأدنى المحلي.
بالنسبة لعدد تكرارات التعلم، حدد الحد الأقصى لعدد المرات التي يجب أن تعالج فيها الخوارزمية حالات التدريب.
بالنسبة لقطر أوزان التعلم الأولية، حدد أوزان العقدة في بداية عملية التعلم.
بالنسبة إلى الزخم، حدد وزنا لتطبيقه أثناء التعلم على العقد من التكرارات السابقة
حدد خيار خلط الأمثلة عشوائيا لخلط الحالات بين التكرارات. إذا قمت بإلغاء تحديد هذا الخيار، تتم معالجة الحالات بنفس الترتيب تماما في كل مرة تقوم فيها بتشغيل خط الأنابيب.
بالنسبة إلى بذرة الأرقام العشوائية، اكتب قيمة لاستخدامها كبذرة.
يعد تحديد قيمة البذور مفيدا عندما تريد ضمان إمكانية التكرار عبر عمليات تشغيل نفس خط الأنابيب. خلاف ذلك ، يتم استخدام قيمة ساعة النظام كبذرة ، والتي يمكن أن تسبب نتائج مختلفة قليلا في كل مرة تقوم فيها بتشغيل خط الأنابيب.
أضف مجموعة بيانات مصنفة إلى خط الأنابيب، وقم بتدريب 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.
إرسال المسار.
النتائج
بعد اكتمال التدريب:
لحفظ لقطة للنموذج المدرب، حدد علامة التبويب المخرجات في اللوحة اليمنى من مكون نموذج القطار . حدد أيقونة تسجيل مجموعة البيانات لحفظ النموذج كمكون قابل لإعادة الاستخدام.
لاستخدام النموذج للتسجيل، أضف مكون نموذج النتيجة إلى خط أنابيب.
الخطوات التالية
راجع مجموعة المكونات المتوفرة ل Azure التعلم الآلي.