فالخوارزميات المثلى ضرورية في التعلم الآلاتي للنماذج التدريبية بفعالية، وهي تساعد على التقليل إلى أدنى حد من الخطأ أو الفقد، وتحسين دقة التنبؤات، وتستكشف هذه المادة مقاييس مشتركة، تركز على النسب المتدرج وعلى اختلافاته.

نسبة مئوية

ويعد النسب المتدرج خوارزمية مستعملة على نطاق واسع لتكييف المعايير النموذجية بتكرر لتقليل مهمة الخسارة إلى أدنى حد، وهو يحسب درجة الخسارة فيما يتعلق بالمؤشرات ويستكملها تبعا لذلك.

وتشمل الفروق في النسب المتدرج طرق الصيد والصيد غير المستقر والصيد المصغر، ويختلف كل منها في مقدار البيانات التي يستخدمها لمقارنة التدرجات عند التدرج.

Other Optimization Algorithms

وفيما يتجاوز النسب من حيث التدرج، تهدف عدة خوارزميات إلى تحسين سرعة التقارب وتجنب الحد الأدنى المحلي، وتشمل هذه المجالات ما يلي:

  • Momentum]: التعجيل بالنسب المتدرج من خلال النظر في آخر المستجدات في الماضي.
  • Adagrad : Adapts learning rates based on parameters' historical gradients.
  • Adam]: Combines momentum and adaptive learning rates for efficient training.
  • RMSProp]: Divides learning rates by a moving average of recent gradients.

اختيار الغوريتام اليمنى

ويعتمد اختيار خوارزمية أمثل على المشكلة المحددة وحجم البيانات والموارد الحاسوبية، وكثيرا ما يساعد الاختبار على تحديد أكثر الطرق فعالية في مهمة معينة.