التعلم في الأبعاد العالية ينتهي دائماً بالاستقراء الخارجي
البيانات ذات الأبعاد العالية تغير طريقة تعلم الآلات.
تعمل معظم النماذج بشكل جيد على بيانات التدريب، لكنها تفشل عندما تواجه أنماطاً جديدة. يحدث هذا بسبب الأبعاد العالية.
في الأبعاد العالية، تكون نقاط البيانات متباعدة عن بعضها البعض. توجد مساحات فارغة بين نقاط بياناتك، ويتعين على النموذج تخمين ما يحدث في هذه المساحات الفارغة.
هذا التخمين هو الاستقراء الخارجي (Extrapolation).
عندما يقوم النموذج بالاستقراء الخارجي، فإنه يضع افتراضات. وإذا كانت تلك الافتراضات خاطئة، فإن النموذج يفشل.
نقاط رئيسية يجب تذكرها:
- الأبعاد العالية تخلق مساحات فارغة شاسعة.
- يجب على النماذج ملء هذه الفجوات لإجراء التنبؤات.
- تعتمد التنبؤات في هذه الفجوات على الاستقراء الخارجي.
- يزيد الاستقراء الخارجي من خطر حدوث الأخطاء.
فهم هذا الأمر يساعدك على بناء نماذج أفضل. يجب أن تعرف متى يكون نموذجك في مرحلة التخمين.
المصدر: https://dev.to/paperium/learning-in-high-dimension-always-amounts-to-extrapolation-1nk
مجتمع تعليمي اختياري: https://t.me/GyaanSetuAi