التعبئة مقابل الغابة العشوائية: الفرق والمقارنة

يُعرف إجراء معين لحل المشكلات الحسابية بالخوارزمية. هناك أنواع مختلفة من الخوارزميات.

في البرمجة ، تطوير الخوارزميات له قيمة مختلفة عن أي تقنية أخرى. يحتاج البرنامج إلى مجموعة من أفضل الخوارزميات ليعمل بفعالية.

التعبئة و Random Forest هما أيضًا نوعان من الخوارزميات.

الوجبات السريعة الرئيسية

1. التعبئة ، أو تجميع التمهيد ، هي تقنية تستخدم نماذج متعددة لتقليل تباين التنبؤ. في الوقت نفسه ، تعد الغابة العشوائية طريقة تعلم جماعية توسع مفهوم التعبئة عن طريق إضافة اختيار ميزة عشوائي لكل شجرة قرار.
2. يركز التعبئة على تقليل التجهيز الزائد عن طريق حساب متوسط ​​تنبؤات أشجار القرار المتعددة ، بينما تهدف الغابة العشوائية إلى تحسين الدقة التنبؤية من خلال إدخال العشوائية في بناء الأشجار.
3. تستفيد كلتا التقنيتين من قوة المتعلمين المتعددين، لكن الغابة العشوائية تتفوق على عملية التعبئة بسبب الطبقة الإضافية من العشوائية أثناء بناء الشجرة.

التعبئة مقابل الغابة العشوائية

التعبئة (Bootstrap Aggregating) هي طريقة لبناء نماذج متعددة (أشجار القرار) على مجموعات فرعية عشوائية من بيانات التدريب ثم دمج توقعاتها من خلال المتوسط ​​أو التصويت. تعتبر الغابة العشوائية امتدادًا للتعبئة التي تجمع بين أشجار القرار المتعددة لتكوين غابة.

التعبئة عبارة عن خوارزمية وصفية مصممة لزيادة وتحسين دقة واستقرار خوارزميات التعلم الآلي المستخدمة في تصنيف المصطلحات الإحصائية و تراجع.

اسم آخر للتعبئة هو تجميع التمهيد. إنها تقنية مفيدة للغاية لتحسين برنامج الكمبيوتر.

تعد Random Forest أيضًا خوارزمية تُعرف باسم خوارزمية التعلم الآلي الخاضعة للإشراف والتي تم تصميمها أيضًا لتحسين الدقة والاستقرار في مصطلح الانحدار. يستخدم المبرمجون هذه الخوارزمية على نطاق واسع لحل مشاكل الانحدار.

تعمل هذه التقنية من خلال بناء أشجار القرار لعينات مختلفة. كما أنه يتعامل مع مجموعات البيانات التي تتضمن متغيرات مستمرة.

جدول المقارنة

معلمات المقارنة	التعبئة	غابة عشوائية
السنة	تم إدخال التعبئة في عام 1996 منذ ما يقرب من عقدين. تم تقديم الغابة العشوائية.	تم تقديم خوارزمية الغابة العشوائية في عام 2001.
مخترع	تم إنشاء خوارزمية التعبئة بواسطة رجل يدعى ليو بريمان.	بعد النتيجة الناجحة للتعبئة ، ابتكر Leo Breiman نسخة محسّنة من تجميع bootstrap ، الغابة العشوائية.
الأستعمال	لزيادة ثبات البرنامج ، يتم استخدام التعبئة بواسطة أشجار القرار.	تستخدم تقنية Random Forest لحل المشكلات المتعلقة بالتصنيف والانحدار.
الهدف	الغرض الرئيسي من التعبئة هو تدريب أشجار القرار غير المنتظمة التي تنتمي إلى غروب الشمس المختلفة.	الغرض الرئيسي من Random Forest هو إنشاء العديد من الأشجار العشوائية.
نتيجة	تعطي خوارزمية التعبئة نتيجة نموذج التعلم الآلي مع الاستقرار الدقيق.	النتيجة التي قدمتها Random Forest هي المتانة ضد مشكلة فرط التجهيز في البرنامج.

ما هو التعبئة؟

التعبئة عبارة عن خوارزمية يستخدمها العديد من المبرمجين في التعلم الآلي. الاسم الآخر الذي يُعرف به التعبئة هو bootstrap تجميع.

يعتمد على مجموعة وهي خوارزمية وصفية. يتم استخدام التعبئة في برامج الكمبيوتر لزيادة دقتها واستقرارها.

كما تكيفت طريقة شجرة القرار مع التعبئة.

يمكن اعتبار التعبئة بمثابة نهج متوسط ​​نموذجي للحالات الخاصة. عندما يكون هناك فرط في البرنامج وزيادة في عدد التباينات ، يتم استخدام التعبئة لتوفير المساعدة اللازمة لحل هذه المشكلات.

عدد مجموعات البيانات الموجودة في التعبئة هو ثلاثة ، وهي مجموعات بيانات تمهيدية وأصلية ومجموعات بيانات خارج الحقيبة. عندما يختار البرنامج كائنات عشوائية من مجموعة البيانات ، تؤدي هذه العملية إلى إنشاء قاعدة بيانات تمهيد التشغيل.

في مجموعة البيانات خارج الحقيبة ، يمثل البرنامج الكائنات المتبقية في Bootstrap.

يجب إنشاء مجموعة بيانات التمهيد والحقيبة باهتمام كبير نظرًا لاستخدامها لاختبار دقة البرامج أو خوارزميات التعبئة.

تولد خوارزميات التعبئة العديد من أشجار القرار ومجموعات بيانات متعددة ، وفرص ترك كائن ما. لصنع شجرة تستخدم لفحص مجموعة العينات التي تم تمهيدها.

ما هي Random Forest؟

Random Forest هي تقنية تستخدم على نطاق واسع في برامج التعلم الآلي. تُعرف أيضًا باسم خوارزمية التعلم الآلي الخاضعة للإشراف.

تأخذ Random Forest عينات مختلفة متعددة وتبني أشجار القرار لحل المشكلة المتعلقة بحالات الانحدار والتصنيف. يتم استخدام الأغلبية المستمدة من أشجار القرار للتصويت.

عند وجود متغيرات مستمرة في حالات التصنيف ، توفر الغابات العشوائية المساعدة في التعامل مع مجموعة البيانات. من المعروف أن Random Forest هي خوارزمية قائمة على المجموعة.

من خلال المجموعة ، يمكن للمرء أن يفهم عدة نماذج مجتمعة في نفس المكان. تستخدم المجموعات طريقتين ، والتعبئة أحدهما.

الثاني هو التعزيز. تشكل مجموعة من أشجار القرار غابة عشوائية.

عندما يتخذ المبرمج أشجار القرار ، عليه أن يجعل كل شجرة مختلفة للحفاظ على التنوع بين الأشجار.

في الغابة العشوائية ، يتم تقليل مساحة الميزات لأن كل شجرة لا تأخذها في الاعتبار. تختلف البيانات أو السمات المستخدمة لتشكيل كل شجرة قرار عن بعضها البعض.

يستخدم تكوين الغابات العشوائية وحدة المعالجة المركزية تمامًا. هناك دائمًا احتمال بنسبة 30٪ ألا يتم استخدام البيانات بالكامل أو اختبارها أثناء العمل من خلال مجموعة تفرعات عشوائية.

تعتمد النتائج أو المخرجات على الأغلبية التي توفرها أشجار القرار.

الاختلافات الرئيسية بين التعبئة والغابات العشوائية

1. يتم استخدام التعبئة في حالة عدم وجود استقرار في برنامج التعلم الآلي. بينما يتم استخدام الغابة العشوائية لمعالجة المشاكل المتعلقة بالانحدار.
2. يرى التعبئة من خلال أشجار القرار للتحقق من التغييرات الضرورية وتحسينها. من ناحية أخرى ، تخلق الغابات العشوائية أشجار القرار في المقام الأول.
3. تم إنشاء التعبئة في عام 1996 عندما كان التعلم الآلي لا يزال قيد التطوير ، في حين تم تقديم خوارزمية الغابة العشوائية في عام 2001.
4. تم تطوير التعبئة وتحسينها بواسطة Leo Breiman لتسهيل التعلم الآلي ، وبعد عام ، تم تقديم الغابة العشوائية كنسخة مطورة تم تطويرها أيضًا بواسطة Leo.
5. التعبئة عبارة عن خوارزمية وصفية تعتمد على تقنية المجموعة ، في حين أن الغابة العشوائية هي شكل محسّن من التعبئة.

مراجع حسابات

1. https://projecteuclid.org/journals/annals-of-statistics/volume-30/issue-4/Analyzing-bagging/10.1214/aos/1031689014.short
2. https://link.springer.com/chapter/10.1007/978-3-642-31537-4_13

آخر تحديث: 11 يونيو 2023