خوارزمية التعلم هي مجموعة من التعليمات المستخدمة في التعلم الآلي والتي تسمح لبرنامج الكمبيوتر بتقليد الطريقة التي يتحسن بها الإنسان في توصيف بعض أنواع المعلومات.
يمكن للرياضيات والمنطق اللذين يدعمان خوارزمية التعلم تحديث نفسها بمرور الوقت (دون تدخل بشري) حيث تتعرض البرمجة لمزيد من البيانات.
تعد خوارزميات التعلم مفيدة في كل من التعلم الآلي الخاضع للإشراف وغير الخاضع للإشراف. ولكن يتم استخدام كل منها بطرق مختلفة.
تتطلب خوارزميات التعلم الخاضعة للإشراف تسمية بيانات التدريب، بينما تبحث خوارزميات التعلم غير الخاضعة للإشراف عن أنماط لتوصيف المدخلات.
بشكل عام، ما تشترك فيه جميع خوارزميات التعلم هو قدرتها على استقراء المعلومات من بيانات التدريب. واستخدام ما تعلموه لعمل تنبؤات حول المدخلات الجديدة.
شرح مفهوم خوارزمية التعلم.
تتضمن أمثلة خوارزميات التعلم الانحدار المنطقي والانحدار الخطي وأشجار القرار والغابات العشوائية.
- تستخدم الانحدارات المنطقية للحصول على نسبة أرجحية في وجود أكثر من متغير واحد.
- يتم استخدام الانحدارات الخطية لدراسة العلاقة بين متغير تابع ومتغير واحد أو أكثر من المتغيرات المستقلة.
- يتم استخدام أشجار القرار لتقسيم بيانات الإدخال بشكل متكرر بناءً على ميزات الإدخال.
- يتم استخدام الغابات العشوائية لتقسيم بيانات الإدخال إلى مجموعات متجانسة.
- تدعم خوارزميات التعلم الكسول مثل خوارزمية الجار الأقرب أيضًا اتخاذ القرار في برامج التعلم الآلي.
خلاصة القول هي أن مهندسي التعلم الآلي يستخدمون خوارزميات التعلم كوحدات بناء لمساعدة برامج الذكاء الاصطناعي على فهم البيانات المقدمة لهم والعمل معها.