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:

Fairness Metric

یک تعریف ریاضی از «تساوی» که قابل اندازه‌گیری باشد. بعضی از معیارهای تساوی پر کاربرد عبارتند از:

بسیاری از معیارهای تساوی با هم ناسازگار هستند.

اطلاعات بیشتر: ناسازگاری معیارهای عدالت

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.

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.

False Positive Rate (FPR)

محور افقی در منحنی ROC. نرخ مثبت کاذب به شکل زیر تعریف می‌شود:

Feature

یک متغیر ورودی که برای پیش‌بینی کردن استفاده می‌شود.

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 کمک می‌کنند.

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 فایل‌های گزارش (log files) به tf.Example است. مهندسی ویژگی گاهی استخراج ویژگی (feature extraction) نیز نامیده می‌شود.

اطلاعات بیشتر: tf.Transform

Feature Extraction

این عبارت می‌تواند یکی از دو معنی زیر را داشته باشد:

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 آموزش ببیند.

Feature Vector

مجموعه‌ای از ویژگی‌ها که در کنار هم به عنوان یک نمونه به مدل داده می‌شوند.

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 سرور هماهنگ‌کننده‌ی مرکزی بارگیری می‌کنند. دستگاه‌ها از نمونه‌های ذخیره شده در خود برای بهبود مدل استفاده می‌کنند و سپس مدل‌های بهبود یافته (و نه نمونه‌های آموزش را) را در سرور بارگذاری می‌کنند. در سرور تمامی مدل‌های بهبود یافته شده جمع می‌شوند تا یک مدل جهانی بهینه ارائه دهند. پس از این کار، دیگر نیازی به مدل‌های به‌روزرسانی شده توسط دستگاه‌ها نیست و می‌توانند کنار گذاشته شوند.

از آن‌جا که نمونه‌های آموزشی هرگز بارگذاری نمی‌شوند، آموزش مشارکتی از اصول حفظ حریم خصوصی با توجه به جمع‌آوری داده‌ها و به حداقل رساندن انتقال داده‌ها پیروی می‌کند.

اطلاعات بیشتر: یادگیری مشارکتی

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 می‌بینند تاثیر می‌گذارد، که این اتفاق خود بر مدل‌های پیشنهاد فیلم دیگر تاثیر می‌گذارد.

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.

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 (One-Shot Learning)

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 مساله یادگیری نظارت‌شده (supervised learning) اشاره دارد.

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.

Full Softmax

مطالعه بیشتر: softmax (تابع بیشینه هموار)

متضادها: نمونه‌گیری در دسترس (داوطلبانه)

Fully Connected Layer

یک لایه پنهان که در آن هر گره به تمامی گره‌های لایه‌ی پنهان بعدی متصل است.

مترادف: لایه متراکم