إن خوارزميات التعلم المشرف عليها هي جزء أساسي من التعلم الآلاتي، الذي يستخدم في التنبؤ بالتنبؤات استنادا إلى البيانات المسمومة، ويشمل تنفيذ هذه الخوارزميات عدة خطوات من إعداد البيانات إلى التقييم النموذجي، ويوفر هذا الدليل عملية واضحة وخطوة لتطبيق تقنيات التعلم الخاضعة للمراقبة على مجموعات بيانات العالم الحقيقي.

فهم البيانات

وتتمثل الخطوة الأولى في فهم مجموعة البيانات، ويشمل ذلك دراسة السمات والعلامات وتوزيع البيانات، وضمان نظافة البيانات، مع وجود حد أدنى من القيم والمخارج التي يمكن أن تؤثر على الأداء النموذجي.

تجهيز البيانات

وتشمل المعالجة المسبقة تحويل البيانات الخام إلى شكل مناسب للنموذج، وتشمل الخطوات المشتركة التطبيع، وترميز المتغيرات القاطعة، وتقسيم البيانات إلى مجموعات للتدريب والاختبار.

اختيار مشرف على التعلم

اختيار خوارزمية مناسبة تستند إلى نوع المشكلة - فيما يتعلق بمهام التصنيف، تشمل الخيارات تراجعا لوجستيا، وأشجارا لاتخاذ القرارات، وآلات دعم ناقلات المياه، وللتراجع، النظر في الانتكاس الطفيف أو الغابات العشوائية.

التدريب والتقييم النموذجيان

تدريب النموذج باستخدام بيانات التدريب وتقييم أدائه على مجموعة الاختبارات، واستخدام مقاييس مثل الدقة، أو الدقة، أو التذكر، أو الخطأ المربع، حسب المهمة.

تنفيذ العملية

يمكن القيام بمعظم الخطوات باستخدام لغات البرمجة مثل (بايتون) مع مكتبات مثل (سيكيت-إلين) و ضع بياناتك وعالجها مسبقاً واختيار وتدريب نموذجك ثم تقييم أدائه

  • وضع مجموعة البيانات
  • البيانات المسبقة
  • إختاروا الخوارزمية
  • تدريب النموذج
  • تقييم النتائج