سنگ های قیمتی و نیمه قیمتی یاقوت

درباره هوش مصنوعی می توانیم مقاله بسیار جالب زیر را برای شما عزیزان معرفی کنیم تا استفاده کنیم.

یکی از روش های رایج تقسیم مجموعه ی داده به بخش هایی جهت یادگیری و بخشی جهت انجام ارزیابی است بدین صورت که یک مجموعه را به 2 مجموعه با نمونه ی مستقل از یکدیگر فرض میکنند .  انتخاب نسبت این بخش یادگیری به بخش آزمون بستگی به مجموعه داده ای که استفاده میکنیم دارد ولی تحقیقات نشان داده اند در اکثر موارد دو سوم برای یادگیری و یک سوم برای آزمون مناسب است . 

یکی دیگر از روش های جهت رزیابی Cross Validation   است که در قسمت پایین تصویر قابل مشاهده در هوش مصنوعی است .

این روش بدین صورت است که مجموعه ی داده را به همان دو بخش یادگیری و تست تقسیم میکند ، اجرای الگوریتم  و ارزیابی را به تعدادی که ما تعریف میکنیم انجام میدهد و نتایج را میانگین گیری میکند .به دلیل استفاده از بخش های مختلف مجموعه ی داده در ارزیابی های مختلف ، این روش به نسبت Hold out   درستی بیشتری از نظر واقعانه بودن دارد .

معمولا از 10 fold cross validation   استفاده میشود که به معنای ده بار اجرای الگوریتم کار با داده ( مانند الگوریتم کلاس بندی) و میانگین گیری از نتایج است . همان طور که واضح است این روش دارای بار بالاتر محاسباتی نسبت به روش اول دارد که همین موضوع را باید در برخورد با داده های حجیم در نظر داشت .

هوش مصنوعی چیست؟