تقليل المخاطر التجريبي

تقليل المخاطر التجريبي[1] هو مبدأ في نظرية التعلم الإحصائي الذي يحدد عائلة من خوارزميات تعلم الآلة ويستخدم لإعطاء حدود نظرية لأدائها. الفكرة الأساس هي أننا لا نستطيع أن نعرف بالضبط مدى جودة عمل الخوارزمية في الممارسة العملية «الخطر الحقيقي» لأننا لا نعرف التوزيع الحقيقي للبيانات التي ستعمل عليها الخوارزمية، ولكن يمكننا بدلاً من ذلك قياس أدائها على مجموعة معروفة من بيانات التدريب (المخاطر «التجريبية»).

جزء من سلسلة مقالات حول
تعلم الآلة والتنقيب في البيانات
مشكلات تصنيف إحصائي تحليل عنقودي تحليل الانحدار اكتشاف الشذوذ تعلم الآلة الآلي تعلم قواعد الارتباط تعليم معزز التوقع المُهيكَل ‏ هندسة الخصائص تعلم الخصائص تعلم الآلة المستمر Semi-supervised learning تعلم غير مراقب Learning to rank Grammar induction
التعليم بالإشراف تعلم شجرة القرار Ensembles Bagging تعزيز غابة عشوائية كي أقرب جار انحدار خطي المصنف بايز ساذج شبكة عصبونية اصطناعية انحدار لوجستي بيرسيبترون Relevance vector machine (RVM) ‏ شعاع الدعم الآلي
تحليل عنقودي BIRCH CURE تجميع هرمي خوارزمية تصنيفية تحقيق أقصى قدر للتوقع (EM) DBSCAN OPTICS Mean-shift
List تحليل عاملي CCA تحليل المكونات المستقلة تحليل التمييز الخطي NMF تحليل العنصر الرئيسي PGD t-SNE
التوقع المهيكل Graphical models شبكة بايزية Conditional random field نظرية ماركوف المخفية
تشخيص الشذوذ كي أقرب جار Local outlier factor
الشبكات العصبونية الاصطناعية مرمز تلقائي تعلم متعمق ديب دريم Multilayer perceptron RNN LSTM GRU ESN Restricted Boltzmann machine شبكة خصومية توليدية خريطة ذاتية التنظيم شبكة عصبونية التفافية U-Net
تعليم معزز Q-learning SARSA تعلم الفرق الزمني
النظرية موازنة التحيز والتباين نظرية التعلم الحوسبي تقليل المخاطر التجريبي Occam learning PAC learning Statistical learning ‏ VC theory ‏
أنظمة تعلم الآلة NeurIPS ICML ML JMLR
بوابة تعلم الآلة