| کلمات | توضیح | |
|---|---|---|
| ۱ | Pandas |
یک رابط برنامه‌نویسی تحلیل داده ستون‌گرا. بسیاری از فریم‌ورک‌های یادگیری ماشین، از جمله TensorFlow، از ساختار داده‌ی pandas به عنوان ورودی پشتیبانی می‌کنند. اطلاعات بیشتر: اسناد مربوط به pandas |
| ۲ | Parameter |
هر متغیر در مدل که سیستم یادگیری ماشین مقدار آن را خود یاد می‌گیرد. به عنوان مثال، وزن‌ها پارامترهایی هستند که سیستم یادگیری ماشین در تکرارهای متوالی فرآیند آموزش مقدار آن را فرا می‌گیرد. متضادها:... |
| ۳ | Parameter Update |
عملیات تنظیم کردن پارامترهای مدل در حین فرآیند آموزش، که معمولا در یک تکرار (iteration) از الگوریتم کاهش شیب (gradient descent) اتفاق می‌افتد. |
| ۴ | Partial Derivative |
نوعی از مشتق‌گیری که در آن همه‌ی متغیرها به جز یکی ثابت در نظر گرفته می‌شوند. به عنوان مثال، مشتق جزئی تابع f(x,y) نسبت به x به معنای مشتق تابع f است درحالی که f تابعی تنها بر حسب x فرض می‌شود. (که... |
| ۵ | Participation Bias |
مترادف سوگیری عدم پاسخ (non-response bias) است. اطلاعات بیشتر: سوگیری انتخاب |
| ۶ | Partitioning Strategy |
الگوریتمی که به‌وسیله آن متغیرها بین سرورهای پارامتری تقسیم می‌شوند. |
| ۷ | Perceptron |
یک سیستم (نرم‌افزاری یا سخت‌افزاری) که یا چند مقدار ورودی دریافت کند، و جهت محاسبه مقدار خروجی یک تابع بر روی حاصل جمع وزن‌دار ورودی‌ها اعمال کند. در یادگیری ماشین، این تابع معمولا غیرخطی (مانند ReLU،... |
| ۸ | Performance |
این واژه می‌تواند یکی از معانی زیر را داشته باشد: معنای سنتی آن در مبحث مهندسی نرم‌افزار عبارت است از این که این بخش از نرم‌افزار با چه سرعتی (یا چقدر بهینه) اجرا می‌شود. معنای آن در یادگیری ماشین که... |
| ۹ | Perplexity |
یک معیار جهت اندازه‌گیری میزان خوب بودن یک مدل در انجام وظیفه. به عنوان مثال، فرض کنید وظیفه شما خواندن چند حرف اول کلمه‌ای است که کاربر در صفحه کلید تلفن هوشمند خود تایپ می‌کند تا با توجه به آن لیستی... |
| ۱۰ | Pipeline |
هر یک از زیرساخت‌ها در الگوریتم‌های یادگیری ماشین. یک خط لوله (pipeline) شامل جمع‌آوری داده، تبدیل داده‌ها به داده‌های آموزش مدل، آموزش یک یا چند مدل و تبدیل مدل‌ها به محصولات نهایی است. |
| ۱۱ | Policy |
در یادگیری تقویتی، به نگاشت احتمالی عامل (agent) از حالت‌ها (states) به عمل‌ها (actions) گفته می‌شود. |
| ۱۲ | Pooling |
کوچک کردن ماتریس (یا ماتریس‌هایی) که حاصل لایه کانولوشنی (پیچشی) قبلی هستند. ادغام معمولا به معنای پیدا کردن مقدار بیشینه یا محاسبه میانگین در ناحیه در حال ادغام است. به عنوان مثال، فرض کنید که ماتریس... |
| ۱۳ | Positive Class |
در طبقه‌بندی دوتایی، دو طبقه ممکن به نام‌های «دسته مثبت» و «دسته منفی» شناخته می‌شوند. دسته مثبت همان چیزی است که ما به دنبال آن هستیم. به عنوان مثال، دسته مثبت در یک آزمایش پزشکی می‌تواند «تومور»... |
| ۱۴ | Post-Processing |
پردازش خروجی مدل بعد از اجرای آن. پس‌پردازش‌ها می‌توانند بدون ایجاد تغییر در مدل‌ها به متحقق شدن قیدهای تساوی کمک کنند. به عنوان مثال، یک نمونه پس‌پردازش در یک طبقه‌بند دوتایی می‌تواند انتخاب حد... |
| ۱۵ | PR AUC (area under the PR curve) |
ناحیه زیر منحنی دقت-بازخوانی (precision-recall) که با رسم کردن نقاط دقت و بازخوانی به ازای مقادیر مختلف آستانه دسته‌بندی به دست می‌آید. بسته به نحوه محاسبه آن، این نمودار می‌تواند معادل میانگین دقت... |
| ۱۶ | Pre-trained Model |
مدل یا بخشی از مدل (مانند تعبیه (embeddings)) که قبلا آموزش دیده است. گاهی اوقات شما تعبیه‌های یک مدل از قبل آموزش داده شده را به عنوان ورودی به یک شبکه عصبی می‌دهید. در دیگر مواقع، مدل به جای اتکا به... |
| ۱۷ | Precision-Recall Curve |
منحنی حاصل از محاسبه دقت (precision) و بازخوانی (recall) به ازای مقادیر مختلف آستانه دسته‌بندی. |
| ۱۸ | Precision |
یک معیار که برای مدل‌های دسته‌بندی استفاده می‌شود. دقت (precision) نسبت جواب‌های درستی را مشخص می‌کند که مدل هنگامی که پیش‌بینی‌اش دسته مثبت است دارد. |
| ۱۹ | Prediction |
خروجی مدل که به ازای یک نمونه ورودی تولید می‌شود. |
| ۲۰ | Prediction Bias |
مقداری که بیان می‌کند که میانگین پیش‌بینی‌های مدل چقدر از میانگین برچسب‌ها در مجموعه داده فاصله دارد. این لغت نباید با اریبی در مدل‌های یادگیری ماشین یا با سوگیری در اخلاق و عدالت اشتباه گرفته شود. |
| ۲۱ | Predictive Parity |
یک معیار تساوی که بررسی می‌کند آیا یک طبقه‌بند برای تمام زیرگروه‌هایی که تحت شرایطی تعریف شده‌اند دقت برابری دارد یا خیر. به عنوان مثال، یک مدل که احتمال پذیرش در دانشگاه را پیش‌بینی می‌کند دارای... |
| ۲۲ | Predictive Rate Parity |
نام دیگری برای برابری پیش‌نگر. |
| ۲۳ | Preprocessing |
پردازش داده‌ها قبل از این که مدل از آن‌ها استفاده کند. پیش‌پردازش می‌تواند بسیار ساده (حذف کردن کلمه‌هایی از متن نگلیسی که در دیکشنری انگلیسی وجود ندارند) یا بسیار پیچیده (تنظیم مجدد نقاط داده‌ها به... |
| ۲۴ | Prior Belief |
آنچه قبل از شروع روند آموزش، درباره داده‌ها به آن اعتقاد دارید. به عنوان مثال، نظم‌دهی L2 به این باور قبلی متکی است که وزن‌ها باید اعدادی کوچک باشند که حوال عدد صفر دارای توزیع نرمال هستند. |
| ۲۵ | Proxy (Sensitive Attributes) |
یک ویژگی که به عنوان جایگزین ویژگی‌های حساسیت‌برانگیز استفاده می‌شود. به عنوان مثال، کد پستی یک شخص می‌تواند به عنوان پیش‌کار برای درآمد، نژاد یا قومیت آن فرد درنظر گرفته شود. An attribute used as a... |
| ۲۶ | Proxy Labels |
داده‌هایی که برای تقریب برچسب‌هایی که مستقیماً در مجموعه داده در دسترس نیستند استفاده می‌شوند. به عنوان مثال، فرض کنید شما می‌خواهید «باران می‌بارد؟» را به عنوان یک برچسب دودویی در مجموعه داده‌ی خود... |