| کلمات | توضیح | |
|---|---|---|
| ۱ | Fairness Constraint |
اضافه کردن یک قید به الگوریتم برای اطمینان پیدا کردن از این که در نتیجه یک یا چند تعریف از تساوی برقرار است. به عنوان نمونه‌هایی از قیدهای محدودیت می‌توان به موارد زیر اشاره کرد: اعمال پس‌پردازش بر... |
| ۲ | Fairness Metric |
یک تعریف ریاضی از «تساوی» که قابل اندازه‌گیری باشد. بعضی از معیارهای تساوی پر کاربرد عبارتند از: احتمال یکسان (equalized odds) برابری پیشگویانه (predictive parity) معیار خلاف‌آمدی (counterfactual... |
| ۳ | False Negative (FN) |
نمونه‌ای که در آن مدل به اشتباه یک کلاس منفی را پیش‌بینی کرده است. به عنوان مثال، مدل استنباط کرده است که یک پیام الکترونیکی هرزنامه نیست (کلاس منفی)، در حالی که آن پیام در واقع هرزنامه بوده است. |
| ۴ | False Positive (FP) |
نمونه‌ای که در آن مدل به اشتباه کلاسی مثبت را پیش‌بینی می‌کند. به عنوان مثال، مدل استنباط می‌کند که یک پیام الکترونیکی مشخص هرزنامه است (کلاس مثبت)؛ در حال که آن پیام در واقع هرزنامه نیست. |
| ۵ | False Positive Rate (FPR) |
محور افقی در منحنی ROC. نرخ مثبت کاذب به شکل زیر تعریف می‌شود: |
| ۶ | Feature |
یک متغیر ورودی که برای پیش‌بینی کردن استفاده می‌شود. |
| ۷ | Feature Cross |
یک ویژگی مصنوعی که با محاسبه حاصل ضرب دکارتی ویژگی‌های دوتایی منفرد حاصل از داده‌های رسته‌ای یا از ویژگی‌های پیوسته پس از سطل‌بندی کردن (bucketing)، به‌وجود می‌آید. تلاقی ویژگی به نمایش روابط غیرخطی... |
| ۸ | Feature Engineering |
روند تعیین این که کدام ویژگی‌ها ممکن است در آموزش مدل مورد استفاده قرار بگیرند، و سپس تبدیل داده‌های خام موجود در منابع مختلف به آن نوع از ویژگی‌ها. در Tensorflow، مهندسی ویژگی معمولا به معنای تبدیل... |
| ۹ | Feature Extraction |
این عبارت می‌تواند یکی از دو معنی زیر را داشته باشد: بازیابی ویژگی میانی محاسبه شده توسط یک مدل بدون ناظر (unsupervised) یا یک مدل از قبل آموزش داده شده (pretrained model) برای استفاده در مدل دیگری... |
| ۱۰ | Feature Set |
گروهی از ویژگی‌ها که مدل یادگیری ماشین شما بر روی آن‌ها آموزش می‌بیند. به عنوان مثال، کد پستی، اندازه و وضعیت ملک یک مجموعه ویژگی ساده را تشکیل می‌دهند که مدل پیش‌بینی قیمت خانه می‌تواند بر روی آن‌ها... |
| ۱۱ | Feature Vector |
مجموعه‌ای از ویژگی‌ها که در کنار هم به عنوان یک نمونه به مدل داده می‌شوند. |
| ۱۲ | Federated Learning |
یک رویکرد یادگیری ماشین توزیع‌شده که ماشین‌های برای آموزش مدل از نمونه‌های غیرمتمرکز موجود در دستگاه‌هایی مانند تلفن‌های هوشمند استفاده می‌کنند. در یادگیری مشارکتی، برخی از دستگاه‌ها مدل فعلی را از یک... |
| ۱۳ | Feedback Loop |
در یادگیری ماشین، وضعیتی که در آن پیش‌بینی‌های یک مدل بر داده‌های آموزش برای همان مدل یا مدل دیگر تاثیر می‌گذارد. به عنوان مثال، مدلی که برای پیشنهاد فیلم استفاده می‌شود بر روی فیلم‌هایی که مردم... |
| ۱۴ | Feedforward Neural Network (FFN) |
یک شبکه عصبی بدون ارتباطات چرخه‌ای یا بازگشتی. به عنوان مثال، شبکه عصبی عمیق نمونه‌ای از شبکه‌های عصبی پیش‌خور است. در مقابل، شبکه عصبی بازگشتی از نوع چرخه‌ای است. |
| ۱۵ | Few-Shot Learning |
یک رویکرد یادگیری ماشین، که اغلب برای طبقه‌بندی اشیا استفاده می‌شود، و برای آموزش طبقه‌بندهای موثر با استفاده از نمونه‌های آموزش محدود و با تعداد کم است. اطلاعات بیشتر: یادگیری با یک یا چند داده... |
| ۱۶ | Fine Tuning |
انجام یک بهینه‌سازی ثانویه با هدف تنظیم پارامترهای یک مدل از قبل آموزش دیده برای یک مساله جدید. تنظیم دقیق اغلب به تغییر وزن‌های یک مدل حاصل از آموزش بدون نظارت (unsupervised learning) دیده برای یک... |
| ۱۷ | Forget Gate |
بخشی از سلول‌های حافظه طولانی کوتاه-مدت (LSTM) که جریان اطلاعات در سلول را تنظیم می‌کند. این دروازه تعیین می‌کند که چقدر از اطلاعات قدیمی فراموش شوند. |
| ۱۸ | Full Softmax |
مطالعه بیشتر: softmax (تابع بیشینه هموار) متضادها: نمونه‌گیری در دسترس (داوطلبانه) |
| ۱۹ | Fully Connected Layer |
یک لایه پنهان که در آن هر گره به تمامی گره‌های لایه‌ی پنهان بعدی متصل است. مترادف: لایه متراکم |