والتعلم المشرف هو نهج مشترك في التعلم الآلاتي حيث يتم تدريب النماذج باستخدام البيانات المسمّاة، فبعد أفضل الممارسات في سير العمل تضمن أداء النموذج وموثوقيته بشكل أفضل، تحدد هذه المادة الخطوات الرئيسية من تجهيز البيانات إلى التدريب النموذجي.

جمع البيانات وإعدادها

وتشمل الخطوة الأولى جمع البيانات ذات الصلة التي تمثل بدقة مجال المشكلة، وينبغي تنظيف البيانات لإزالة الأخطاء، والتكرار، والمعلومات غير ذات الصلة، والتشكيل السليم والتنظيم ييسران التحليل الفعال والتدريب النموذجي.

تجهيز البيانات

ويحول التجهيز المسبق البيانات الخام إلى شكل مناسب للنموذج، ويشمل ذلك معالجة القيم المفقودة، وترميز المتغيرات البحتة، وتوسيع نطاق المعالم، وهذه الخطوات تحسن دقة النماذج والتقارب.

اختيار الأعضاء والهندسة

إن اختيار السمات ذات الصلة يقلل من التعقيد ويعزز الأداء النموذجي، ويمكن أن يوفر إيجاد سمات جديدة من خلال التحولات أو التوابل مزيدا من الرؤى ويحسن القدرة التنبؤية.

التدريب والتقييم النموذجيان

ويتوقف اختيار خوارزمية مناسبة على نوع المشكلة وخصائص البيانات، ويشمل التدريب تقسيم البيانات إلى مجموعات التدريب والتثبت، ومقاييس ضغط الدم، وتقييم الأداء باستخدام مقاييس مثل الدقة، أو الدقة، أو التذكر.

  • معابرة
  • التقاط الكم
  • التصديق النموذجي
  • تحليل مقاييس الأداء