في عالم الذكاء الاصطناعي، تُعد [نماذج الأساس الجدولية](/tag/[نماذج](/tag/نماذج)-الأساس-الجدولية) (Tabular Foundation [Models](/tag/models)) من [الأدوات](/tag/الأدوات) المهمة، حيث بدأت تتفوق على الطرق التقليدية مثل [الأشجار](/tag/الأشجار) المعززة المتدرجة (Gradient-Boosted Trees) في مجموعة متنامية من المهام. ومع ذلك، تواجه هذه [النماذج](/tag/النماذج) تحديًا، حيث لا يوجد [نموذج](/tag/نموذج) واحد يمكن أن يجمع كل الأفضليات ويحقق النجاح في جميع المجالات.
عند النظر في [استراتيجيات](/tag/استراتيجيات) التحسين، تعتبر الجمع بين [النماذج](/tag/النماذج) (Ensembling) إحدى الحلول التقليدية المتبعة، لكن النتائج جاءت أقل من المتوقع. فقد أوجدت [دراسة](/tag/دراسة) تحليلية لمجموعة من ستة [نماذج](/tag/نماذج) حديثة، أن هذه [النماذج](/tag/النماذج) تشكل مجموعة شبه زائدة، حيث تُظهر القيم المقارنة (Q-statistic) قرابة 0.961، مما يعني أن أي توليفة مقترحة ستكون محصورة في مستويات معينة.
لقد قمنا باختبار ست [استراتيجيات](/tag/استراتيجيات) جماعية على هذه [النماذج](/tag/النماذج) الستة في 153 مهمة [تصنيف](/tag/تصنيف) متوفرة [عبر](/tag/عبر) OpenML. وما أثار [الانتباه](/tag/الانتباه) هو أن أفضل [استراتيجية](/tag/استراتيجية) جماعية، وهي الطريقة ذات التسلسل المزدوج (Two-level Cascade Stacking)، حسنت [دقة](/tag/دقة) النتيجة بنسبة 0.18% فقط، بينما تطلب ذلك 253 ضعف حجم [الطاقة](/tag/الطاقة) الحاسوبية المستخدمة.
وبينما وجدت [تحليلات](/tag/تحليلات) مثل [تحليل](/tag/تحليل) فريدمان ونيميني (Friedman and Nemenyi) أن ثلاث مجموعات جماعية تجتمع مع أفضل [نموذج](/tag/نموذج) أساسي، كان هناك أيضًا ثلاث [استراتيجيات](/tag/استراتيجيات) أخرى أسوأ من النموذج الأساسي. من اللافت أن استخدام [نموذج [تعلم](/tag/تعلم) الآلة](/tag/[نموذج](/tag/نموذج)-[تعلم](/tag/تعلم)-الآلة) على أساس [الانحدار](/tag/الانحدار) اللوجستي (Logistic Regression [Meta](/tag/meta)-learner) أثبت أنه أكثر الحالات تميزًا، حيث قدم [دقة](/tag/دقة) تنافسية لكن بتصنيف سيء على مستوى القيم اللوجستية.
أوصى الباحثون بإجراء الاختيار الجشع (Greedy Selection) كخيار عملي للمبتدئين في هذا المجال لتحسين [الأداء](/tag/الأداء).
في النهاية، يعد الجمع بين [النماذج](/tag/النماذج) خيارًا مثيرًا لكنه يتطلب [تجارب](/tag/تجارب) دقيقة لفهم تأثير [التنوع](/tag/التنوع) والتوافق. هل أنتم مع هذه [الرؤية](/tag/الرؤية) حول [نماذج الأساس الجدولية](/tag/[نماذج](/tag/نماذج)-الأساس-الجدولية)؟ شاركونا آرائكم في [التعليقات](/tag/التعليقات).
استكشاف نماذج الأساس الجدولية: تحديات التنوع وفخ التوافق
تظهر نماذج الأساس الجدولية (TFMs) تفوقًا على الأشجار المعززة المتدرجة في العديد من المهام، لكن لا يوجد نموذج منفرد يتفوق في جميع البيانات. سنستعرض الاستراتيجيات الجماعية ودورها في تحسين الأداء ودقتها.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
