بدأت مؤخرًا في تعلم تعلُم الآلة. لقد بدأ بدورة جميلة ، في رأيي ، من أندرو نغ. ولكي لا ينسى ، وكذلك تكرار ما تعلمه ، قرر إنشاء التعلم الآلي في مستودع Octave . جمعت فيها صيغًا رياضية للافتراضات ، ونزول التدرج ، و "وظائف التكلفة" ، و sigmoids ، و "القطع" الأخرى التي تعتبر أساسية لتعلم الآلة. أضفت أيضًا أمثلة مبسطة ومحسنة لتنفيذ بعض الخوارزميات الشائعة (الشبكة العصبية ، الانحدار الخطي / اللوجستي ، إلخ) لـ MatLab / Octave. آمل أن تكون هذه المعلومات مفيدة لأولئك منكم الذين يخططون لبدء تعلم الآلة.
موضوع التعلم الآلي واسع النطاق ، والذي يمكن الحكم عليه ، على سبيل المثال ، من المخطط التالي ، الذي أخذته (ترجمته) من مقال رائع بواسطة vas3k.
في الوقت الحالي ، من بين كل هذا التنوع في المستودع ، هناك أمثلة على خمسة خوارزميات خاضعة للإشراف وغير خاضعة للرقابة:
لكل خوارزمية ، هناك ملف demo.m يمكنك من خلاله البدء في تحليل خوارزمية واحدة. عندما تقوم بتشغيل هذا الملف من وحدة تحكم Octave (أو من MatLab) ، سيتم عرض معلومات الخدمة التي توضح تشغيل الخوارزمية ، بالإضافة إلى الرسوم البيانية التي ستساعدك على معرفة مجموعة التدريب التي يجري العمل عليها.
آمل أن يكون هذا المستودع مفيدًا لك وسيساعدك في اتخاذ الخطوة التالية نحو تعلُم الآلة.
يتم إنشاء أمثلة PS في المستودع لـ MatLab / Octave . قد لا يكون هذا خيارًا شائعًا الآن مثل Python ، ولكن مع ذلك ، للتدريب ، والنماذج الأولية السريعة وضرب المصفوفات نفسها بدون مكونات إضافية ومكتبات إضافية ، قد تكون فكرة جيدة. مرة أخرى الترميز الناجح لك!