قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
أشجار القرار الكلاسيكية
هياكل شجرية أساسية تستخدم قواعد القرار لتقسيم مساحة الميزات.
الغابة العشوائية
طريقة تجميعية (Ensemble) تعتمد على التجميع (Bagging) وتجمع بين أشجار قرار متعددة مدربة على عينات فرعية عشوائية.
آلات تعزيز التدرج
تقنية تجميعية متسلسلة تبني متعلمين ضعفاء لتصحيح أخطاء النماذج السابقة.
XGBoost
تطبيق محسن لتعزيز التدرج (Gradient Boosting) مع التنظيم (Regularization) والموازاة (Parallelization) لتحقيق أقصى أداء.
LightGBM
إطار عمل لتعزيز التدرج يستخدم النمو الشجري (leaf-wise) وأخذ العينات بالرسوم البيانية (histogram-based) من أجل السرعة.
كات بوست
خوارزمية تعزيز التدرج المتخصصة في المعالجة التلقائية للمتغيرات الفئوية.
أدابوست
طريقة تعزيز تكيفية تُرجّح الأمثلة الصعبة لتحسين الأداء بشكل تكراري.
التجميع
تقنية تجميع Bootstrap التي تجمع بين نماذج متعددة مدربة على عينات Bootstrap مختلفة.
أشجار إكسترا
أشجار عشوائية للغاية تستخدم عتبات تقسيم عشوائية لتقليل التباين وتسريع التدريب.
التكديس
طريقة تجميعية تجمع تنبؤات نماذج متعددة عبر نموذج فائق يتعلم كيفية ترجيحها.
تقنيات التقليم
طرق لتقليل تعقيد الأشجار لتجنب الإفراط في التخصيص وتحسين التعميم.
أشجار CART
أشجار التصنيف والانحدار باستخدام مؤشر جيني للتصنيف والخطأ التربيعي للانحدار.
أشجار ID3 و C4.5
خوارزميات تاريخية تعتمد على كسب المعلومات ونسبة الكسب لبناء أشجار القرار.
أهمية الميزات في الأشجار
طرق تقييم أهمية المتغيرات بناءً على تقليل الشوائب أو التبديل.
غابة العزل
خوارزمية الكشف عن الشذوذ باستخدام الأشجار العشوائية لعزل الملاحظات الشاذة بكفاءة.