خوارزميات التصنيف التي تعتمد على الإنتخاب

Voting Classifiers

فرضا أنه لدينا مشكلة صعبة و أردنا إستشارة الأخرين فأكيد كلما إستشرنا أكثر كلما حصلنا على قرار أفضل لأننا ببساطة نعلم أن رأي الجماعة أكثر حكمة من رأي الفرد و هذا ما يسمى ب "The wisdom of the crowd".  في مجال تعلم الألة نطبق هذا المبدأ بجعل مجموعة من الخوارزميات تشارك في عملية إتخاد القرار و الرأي الذي يحظى بالأغلبية يختار و يطلق على هذه العملية (Hard voting classifier).

الصورة 1

مكتبة (Scikit-Learn ) توفر لنا إطار عمل يسهل علينا برمجة طريقة الإنتخاب بين مجموعة من المصنفات و هو (VotingClassifier). كمثال تطبيقي نستعمل قاعدة البيانات الجاهزة (breast_cancer) و التي تحتوي علي (Examples = 569, Features = 30)، في هذا المثال إستعملنا ثلاث خوارزميات و هم LogisticRegression RandomForestClassifier و SVM. بعد ذلك نعرف المصنف الذي يعتمد مبدأ الإنتخاب في السطر 22 - الصورة 1، و نقدم له هذه الخوارزميات كمدخلات ليعمل عليها مع المدخل (voting = hard)  لأنه توجد أنواع أخرى من طرق الإنتخاب. هو سيقوم بتدريب هذه الخوارزميات الثلاث و بعدها يعيد تطبيقها على الداتا من جديد معتمدا على نتيجة الإنتخاب التي تقوم بها الخوارزميات الثلاث السابقة في تصنيف كل عنصر أو مثال من الداتا و النتائج التي تحصلنا عليها موجودة في الصورة 2، لكل مصنف على حدى ثم (VotingClassifier) لنشاهد الفرق في الأداء بينهم.

LogisticRegression 0.9473684210526315

RandomForestClassifier 0.9385964912280702

SVC 0.5701754385964912

VotingClassifier 0.956140350877193

الصورة 2

رابط الكود هنا

#الذكاء_الإصطناعي #تعلم_الألة #التعلم_العميق

#artificial_intelligence #machine_learning #deep_learning

الكاتب : هشام فلواط - hichem felouat

تابعوا مقالاتي على الهاشتاج : #هشام_فلواط