یادگیری نظارتی (supervised learning) به زبانی دیگر – بخش اول

مقدمه:
یکی از سرگرمی‌های من پیدا کردن راه‌هایی است تا مفاهیم یادگیری ماشین را به زبان ساده‌تر توضیح بدهم. این نوشته نمونه‌ای از راه‌کارهایی است که موقع برگزاری کلاس اتفاقی پیدا کردم.

یادگیری نظارتی (Supervised Learning)
داستان:
فرض کنید که معلمی با والدین یک شاگرد توافق می‌کند که به فرزندشان کمک کند تا نمره بهتری در درس ریاضی بگیرد. معلم با والدین روی نمره‌ی بالاتر از 18 توافق می‌کند.
ابزاری که معلم دارد فقط 1000 نمونه سوال ریاضی از سال‌های گذشته است. معلم تصمیم می‌گیرد که 200 سوال را از بین 1000 سوال جدا کند و از آنها به عنوان آزمون نهایی استفاده کند. اگر شاگرد بتواند پس از پاسخ به این 200 سوال به نمره‌ای بالاتر از 18 برسد، تعهد او با والدین انجام شده، وگرنه خیر.

حالا معلم 800 سوال در اختیار دارد و باید به شکلی مطمئن شود که شاگرد نمره‌ی بالای 18 از 200 سوال آزمون آزمایشی خواهد گرفت. او این 800 سوال را نیز به دو بخش 640 و 160 تایی تقسیم می‌کند. از 640 سوال اول برای آموزش به شاگرد استفاده می‌کند و از 160 سوال باقی‌مانده هم برای آن که مطمئن شود شاگرد حل 640 سوال را به خوبی یاد گرفته است و آماده‌ی آموزن نهایی است.

سوال بعدی معلم این خواهد بود که چند بار کل 640 سوال را با شاگردش حل کند و در هر جلسه‌ی چند تا سوال را حل کند. مثلا می‌تواند 3 بار کل سوالات را حل کند (3 * 640 سوال) و در هر جلسه هم 64 تا سوال (در مجموع 3 * 10 جلسه).

حالا اگر پس از برگزاری جلسات آموزشی، به کمک 160 سوال باقی مانده از شاگرد آزمون (آزمون دست‌گرمی) بگیریم و نمره شاگرد 16 شد چه اتفاقی می‌افتد؟ اگر نمره شاگرد 19 شد چه خواهد شد؟
فرض کنیم که شاگرد به خوبی آزمون دست‌گرمی را پشت سر گذاشت و معلم خیالش راحت شد. حالا نوبت برگزاری آزمون نهایی است. اگر شاگرد پس از حل 200 سوال نهایی، نمره‌اش 17 شد چه خواهد شد؟ اگر 18.5 شد چه خواهد شد؟
در چه صورت خیال والدین راحت خواهد بود که فرزندشان می‌تواند در آزمون مدرسه نمره بالای 18 را به دست بیاورد؟

نکات مهم داستان:
– معلم
– 1000 سوال
– 200 سوال برای آزمون نهایی (20 درصد کل سوالات)
– 800 سوال
– 160 سوال
– 640 سوال
– نمره به دست آمده از آزمون دست‌گرمی (ارزیابی)
– تفاوت نمره آزمون ارزیابی با نمره تعهدشده
– نمره به دست آمده از آزمون نهایی
– تفاوت نمره آزمون نهایی با نمره تعهدشده

مفاهیم یادگیری ماشین:
– معلم: معلم کسی است که جواب‌ها را می‌داند. در نتیجه این روش یادگیری، یادگیری تحت نظارت یا تحت سرپرستی معلم است.
-نمره 18: مقدار سنجه (metric) قابل قبول
– 1000 سوال: مجموع داده‌ها یا dataset
– 200 سوال برای آزمون نهایی (20 درصد کل سوالات): داده‌های آزمون یا test data
– 800 سوال: داده‌های آموزشی یا train data
– 160 سوال: داده‌های ارزیابی یا validation data
– 640 سوال: داده‌های آموزشی train data
– نمره به دست آمده از آزمون دست‌گرمی (ارزیابی): مقدار سنجه (متریک) حاصل از داده‌های ارزیابی (validation metrics)
– تفاوت نمره آزمون ارزیابی با نمره تعهدشده: انحراف مقدار سنجه در مرحله‌ی ارزیابی با مقدار سنجه‌ی قابل قبول
– نمره به دست آمده از آزمون نهایی: مقدار سنجه‌ی‌ حاصل از داده‌های آزمایشی (test metrics)
– تفاوت نمره آزمون نهایی با نمره تعهدشده: انحراف سنجه حاصل از داده‌های آزمایشی با سنجه قابل قبول

نکته پایانی:
برگردان مفاهیم یادگیری ماشین به فارسی چه کار دشواری شد!

گزیده:
مردم نگرانند که کامپیوترها بیش از اندازه باهوش شوند که دنیا را قبضه کنند. اما مساله‌ی واقعی این است که آنها خیلی احمق‌اند ولی با این حال، همین الان هم دنیا را قبضه کرده‌اند. پدرو دومینگوس