انسمبل زده کړه د ماشین زده کړې تخنیک دی چې د سیسټم عمومي فعالیت او وړاندوینې ځواک ته وده ورکولو لپاره د ډیری ماډلونو ترکیب پکې شامل دي. د انسبل زده کړې ترشا بنسټیز نظر دا دی چې د ډیری ماډلونو وړاندوینې په راټولولو سره، پایله لرونکی ماډل اکثرا د هر یو انفرادي ماډل څخه ښه کار کولی شي.
د زده کړې د یوځای کولو لپاره ډیری بیلابیلې لارې شتون لري، چې دوه یې خورا عام دي بسته کول او وده کول. بسته بندي، د بوټسټریپ راټولولو لپاره لنډ، د روزنې ډیټا مختلف فرعي سیټونو کې د ورته ماډل ډیری مثالونو روزنه او بیا د دوی وړاندوینې یوځای کول شامل دي. دا د اضافي فټینګ کمولو او د ماډل ثبات او دقت ښه کولو کې مرسته کوي.
له بلې خوا بوسټینګ د ماډلونو د سلسلې په روزلو سره کار کوي، چیرې چې هر راتلونکی ماډل په هغه مثالونو تمرکز کوي چې د تیرو ماډلونو لخوا غلط طبقه بندي شوي. په تکراري ډول د روزنې مثالونو وزنونو تنظیم کولو سره ، وده کول کولی شي د یو لړ ضعیف طبقه بندی کونکو څخه قوي طبقه بندي رامینځته کړي.
تصادفي ځنګلونه د زده کړې یو مشهور میتود دی چې د ډیری پریکړې ونې سره یوځای کولو لپاره کڅوړې کاروي. هره ونه د ځانګړتیاوو په تصادفي فرعي سیټ کې روزل کیږي او وروستۍ وړاندوینه د ټولو ونو د وړاندوینو په اوسط کولو سره ترسره کیږي. تصادفي ځنګلونه د دوی د لوړ دقت او ډیر فټینګ لپاره قوي کیدو لپاره پیژندل شوي.
د زده کړې یو بل عام تخنیک د تدریجي وده ده، کوم چې ډیری ضعیف زده کونکي سره یوځای کوي، په ځانګړې توګه د پریکړې ونې، د قوي وړاندوینې ماډل رامینځته کولو لپاره. تدریجي وده کول د هر نوي ماډل لخوا د تیرو ماډلونو لخوا رامینځته شوي پاتې شوي غلطیو ته د فټ کولو سره کار کوي ، په تدریجي ډول د هر تکرار سره خطا کموي.
د انسمبل زده کړه په پراخه کچه د ماشین زده کړې مختلف غوښتنلیکونو کې کارول شوې ، پشمول د طبقه بندي ، راجسټریشن ، او انومالي کشف. د ډیری ماډلونو تنوع په کارولو سره، د یوځای کولو میتودونه اکثرا د انفرادي ماډلونو په پرتله ښه عمومي کولو او پیاوړتیا ترلاسه کولی شي.
د انسمبل زده کړه د ماشین زده کړې کې یو پیاوړی تخنیک دی چې د وړاندوینې فعالیت ښه کولو لپاره د ډیری ماډلونو ترکیب پکې شامل دي. د مختلف ماډلونو ځواک په کارولو او د دوی انفرادي ضعفونو کمولو سره ، د یوځای کولو میتودونه کولی شي په مختلف غوښتنلیکونو کې لوړ دقت او قويتوب ترلاسه کړي.
په اړه نورې وروستۍ پوښتنې او ځوابونه EITC/AI/GCML د ګوګل بادل ماشین زده کړه:
- متن ته ویناو ته
- د ماشین زده کړې کې د لوی ډیټاسیټونو سره کار کولو محدودیتونه څه دي؟
- ایا د ماشین زده کړه یو څه ډیالوژیکي مرسته کولی شي؟
- د TensorFlow د لوبې ډګر څه شی دی؟
- لوی ډیټاسیټ واقعیا څه معنی لري؟
- د الګوریتم د هایپرپرامیټرونو ځینې مثالونه څه دي؟
- څه که چیرې د ماشین زده کړې الګوریتم غوره نه وي او څنګه کولی شي ډاډ ترلاسه کړي چې سم انتخاب کړئ؟
- ایا د ماشین زده کړې ماډل د روزنې پرمهال څارنې ته اړتیا لري؟
- د عصبي شبکې پر بنسټ الګوریتم کې کارول شوي کلیدي پیرامیټونه کوم دي؟
- TensorBoard څه شی دی؟
نورې پوښتنې او ځوابونه په EITC/AI/GCML د ګوګل کلاوډ ماشین زده کړې کې وګورئ