محتويات
قائمة الأشكال التاسع
مقدمة xiii
1 مقدمة في التعلم الآلي 1
1.1 نموذج بسيط خاضع للإشراف: أقرب الجار. . 2
1.1.1 ضبط المعلمات الفائقة مع التحقق المتقاطع. 9
1.2 المعالجة المسبقة. 14
1.2.1 قياس البيانات. . 15
1.2.2 إجبار البيانات على أن تكون غاوسية: مقدمة في تحويلات الطاقة. 19
1.2.3 التعامل مع المتغيرات الفئوية. 21
1.2.4 التعامل مع القيم المفقودة. 24
1.3 طرق التعامل مع البيانات غير المتوازنة. . 26
1.3.1 أخذ عينات عشوائية من فئة الأغلبية. 28
1.3.2 التقطيع العشوائي لفئة الأغلبية. . 29
1.3.3 الإفراط في أخذ العينات باستخدام البيانات التركيبية: SMOTE. 30
1.4 تقليل الأبعاد: تحليل المكون الرئيسي. 31
1.4.1 PCA كتخفيض للأبعاد. . 32
1.4.2 استخراج الميزة. 36
1.4.3 خوارزمية المنوع غير الخطي: t-SNE. 37
2 النماذج الخطية للتعلم الآلي 41
2.1 الانحدار الخطي. 42
2.2 طرق الانكماش. . 44
2.2.1 انحدار ريدج. 44
2.2.2 انحدار اللاسو. 49
2.2.3 شبكة مرنة. 51
2.3 الانحدار القوي. 52
2.3.1 انحدار هوبر. 53
2.3.2 RANSAC. 56
2.4 الانحدار اللوجستي. . 58
2.4.1 لماذا يعتبر الانحدار اللوجستي خطيًا؟ . 59
2.4.2 تنبؤات الانحدار اللوجستي (إخراج النموذج الأولي) مقابل الاحتمالات (الإخراج السيني). . 60
2.4.3 الانحدار اللوجستي في بايثون. . 61
2.4.4 نموذج تقييم الأداء. 62
2.4.5 التنظيم. . 66
2.5 آلة متجه الدعم الخطي. 68
2.6 ما وراء الخطية: النماذج المحببة. 73
2.6.1 في هود خدعة النواة. . 76
2.6.2 مثال التصنيف العملي: التعرف على الوجوه. . 77
3 ما بعد الخطي: طرق المجموعات لـ ML 83
3.1 مقدمة. . 83
3.2 طرق المجموعات. . 84
3.2.1 التجميع الداعم. . 88
3.2.2 تقدير نفاد الحقيبة. . 90
3.3 غابات عشوائية. . 91
3.3.1 مصنف الغابات العشوائية. . 91
3.3.2 معامل الانحدار العشوائي للغابات. 94
3.4 طرق التعزيز. 95
3.4.1 AdaBoost. 95
3.4.2 تعزيز التدرج. . 96
3.4.3 تعزيز التدرج الشديد (XGBoost). 99
3.4.4 CatBoost. . 106
4 مقدمة لتقنيات ML الحديثة 115
4.1 مقدمة في معالجة اللغة الطبيعية. 115
4.1.1 المعالجة المسبقة ببيانات النص. . 116
4.1.2 التمثيل العددي للوثائق: حقيبة الكلمات. . 121
4.1.3 مثال عملي: تحليل المشاعر باستخدام مراجعات IMDb
مجموعة البيانات. 124
4.1.4 مصطلح تردد الوثيقة المعكوسة. . 126
4.1.5 حقيبة من الكلمات بأكثر من كلمة واحدة (n-Grams). . 127
4.1.6 ما وراء حقيبة من الكلمات: زينة الكلمة. 132
4.2 مقدمة في التعلم العميق. 140
4.2.1 التعامل مع البيانات المعقدة في شبكة عصبية. 143
4.2.2 التصنيف متعدد الفئات. 147
الملاحق 151
دورة مكثفة في بايثون 153
A.1 اللبنات الأساسية في بايثون. . 153
أ / 1/1 المتغيرات. . 153
أ / ١/٢ الطرق. . 155
A.2 بنية البيانات في بايثون. 156
A.2.1 قائمة و Tuples. . 156
أ / 2/2 مجموعات. 158
أ / 2/3 قواميس. . 158
A.3 الحلقات في بايثون. . 159
A.3.1 حلقة For. 159
أ / 3/2 حلقة بينما. . 160
A.4 بنية البيانات المتقدمة في بايثون. . 161
A.4.1 قائمة الإدراك. 161
A.4.2 وظائف Lambda. . 163
أ .5 مفاهيم متقدمة عن الوظائف. . 164
أ / 5/1 سحر البطاقات البرية في حجج الوظيفة. 164
أ / 5/2 النطاق المحلي مقابل النطاق العالمي في الوظائف. 168
أ / 6 مقدمة في البرمجة الشيئية. . 169
A.6.1 الأشياء والفئات والسمات. 170
A.6.2 الفئات الفرعية والوراثة. 172
ب الرياضيات وراء نموذج تخطي الجرام 175
