هو فيه فرق مابين معادله الlinear regression في الاحصاء وبين نفس المعادله بس في نماذج تعلم الاله ؟

مرحبًا،

إن ال linear regression هو خوارزمية احصائية، بالتالي لا فرق من الناحية المبدئية بينهما، فتعلم الآلة تستعمل ما تم ابتكاره في الاحصاء قبل سنين كثيرة. في الأصل تعلم الآلة ظهر من الاحصاء فالنماذج الاحصائية هي من أوائل النماذج التي تستعمل للتعرف على الأنماط.

الفرق الذي حصل بعد استعمال تعلم الآلة لهذه الخوارزمية هو الزيادة الكبيرة في البيانات، و في عدد المتغيرات الخاصة بهذه الخوارزمية (بسبب استعمال نماذج أكبر).

بسبب هذه الفروق، قد تختلف طريقة الوصول إلى النقطة الأمثلية للمتغيرات في هذه الخوارزمية، ففي الطريقة التقليدية للاحصاء يتم استعمال الجبر الخطي للحصول على القيم الأمثلية بشكل مباشر. هذا غير ممكن في حال كان عدد البيانات كبير جدًا و لذلك في تعلم الآلة سترى استعمال لخوارزمية ال gradient descent (و تحسيناتها الكثيرة) للوصول إلى قيمة تقريبية للمتغيرات الأمثلية.

أي باختصار لا فرق من ناحية النظريات و الخوارزمية المستعملة، الفرق فقط هو كيفية الوصول إلى أفضل قيم للمتغيرات في حال كان عدد البيانات كبير جدًا.

تحياتي.

بتاريخ 4 ساعة قال Kais Hasan:

مرحبًا،

إن ال linear regression هو خوارزمية احصائية، بالتالي لا فرق من الناحية المبدئية بينهما، فتعلم الآلة تستعمل ما تم ابتكاره في الاحصاء قبل سنين كثيرة. في الأصل تعلم الآلة ظهر من الاحصاء فالنماذج الاحصائية هي من أوائل النماذج التي تستعمل للتعرف على الأنماط.

الفرق الذي حصل بعد استعمال تعلم الآلة لهذه الخوارزمية هو الزيادة الكبيرة في البيانات، و في عدد المتغيرات الخاصة بهذه الخوارزمية (بسبب استعمال نماذج أكبر).

بسبب هذه الفروق، قد تختلف طريقة الوصول إلى النقطة الأمثلية للمتغيرات في هذه الخوارزمية، ففي الطريقة التقليدية للاحصاء يتم استعمال الجبر الخطي للحصول على القيم الأمثلية بشكل مباشر. هذا غير ممكن في حال كان عدد البيانات كبير جدًا و لذلك في تعلم الآلة سترى استعمال لخوارزمية ال gradient descent (و تحسيناتها الكثيرة) للوصول إلى قيمة تقريبية للمتغيرات الأمثلية.

أي باختصار لا فرق من ناحية النظريات و الخوارزمية المستعملة، الفرق فقط هو كيفية الوصول إلى أفضل قيم للمتغيرات في حال كان عدد البيانات كبير جدًا.

تحياتي.

الف شكراا لحضرتك