M

حرف M

Letter M

کلمات توضیح
۱ Machine Learning

برنامه یا سیستمی که از داده های ورودی، یک مدل پیش بینی کننده را ایجاد می‌کند (آموزش می دهد). این سیستم با استفاده از مدل یادگرفته شده، پش‌بینی‌های مفیدی را از داده های جدید (قبلاً هرگز دیده نشده) که...

۲ Majority Class

نامی که در مجموعه‌داده دسته نامتوازن به کلاس دارای داده بیشتر گفته می شود. به عنوان مثال در مجموعه داده‌ای که ۹۹ درصد برچسب داده ها غیر هرزنامه و ۱ درصد برچسب ها هرزنامه باشد. کلاس با برچسب غیرهرزنامه...

۳ Markov Decision Process (MDP)

یک چارچوب ریاضی است برای مدل‌سازی تصمیم‌گیری در شرایطی که نتایج تا حدودی تصادفی و تا حدودی تحت کنترل یک تصمیم‌گیر است. MDPs برای مطالعه طیف گسترده‌ای از مسائل بهینه سازی که از طریق برنامه‌نویسی...

۴ Markov Property

ویژگی از محیط های قطعی که اطلاعات جاجایی در بین حالت ها با داشتن حالت فعلی و عمل عامل به صورت کاملا قطعی مشخص شده است.

۵ matplotlib

کتابخانه ای در زبان برنامه نویس پایتون که برای رسم نمودار و بصری سازی استفاده می‌شود.

۶ Matrix Factorization

در ریاضیات، مکانیزمی برای یافتن ماتریس هایی که حاصلضرب آنها به یک ماتریس هدف نزدیک است. گفته می‌شود. در سامانه پیشنهادگر, ماتریس هدف امتیاز کاربر ها براساس آیتم هاست. برای مثال، ماتریس هدف یک سامانه...

۷ Mean Absolute Error (MAE)

یک معیار اندازه گیری خطا به صورت میانگین گیری از خطای مطلق محاسبه می‌شود. در مبحث خطای های مدل. MAE میانگین تفاوت بین مقدار واقعی و مقدار پیش‌بینی شده بر روی تمام نمونه های آموزش است. مثلا برای n...

۸ Mean Squared Error (MSE)

میانگین مجذورخطا در در نمونه، MSE با تقسیم مجذور خطا بر تعداد نمونه ها. به صورت پیش فرض در تنسورفلو برای خطای آموزش و خطای آزمایش از این MSE استفاده می‌کنند.

۹ Metric

عددی که برای شما مهم است. ممکن است به صورت مستقیم در سامانه یادگیری ماشین بهینه نشود

۱۰ Metrics API (tf.metrics)

یک ماژول در پکیج تنسرفلو که مجموعه فعالیت های مربوط به بررسی مدل برای مثال: tf.metrics.accuracy برای مشخص کردن اینکه چقدر پیش‌بینی های مدل درست بوده است، استفاده می‌شود.

۱۱ Mini Batch

یک دسته کوچک و اتفاقی از دسته های کل نمونه ها که باهم در یک حلقه آموزش یا اجرا می‌شوند. اندازه دسته‌ی یک دسته کوچک معمولا بین ۱۰ تا ۱۰۰۰ است. محاسبه خطا بر روی دسته کوچک بهینه تر از محاسبه خطا بر روی...

۱۲ mini-batch Stochastic Gradient Descent (SGD)

الگوریتم کاهش شیب که از دسته کوچک استفاده می‌کند. می‌توان گفت که کاهش شیب با دسته کوچک، کاهش شیب را براساس مقدار کوچکی از داده های آموزش تخمین می‌زند. کاهش شیب تصادفی از سایز دسته کوچک ۱ استفاده...

۱۳ Minimax Loss

تابع خطایی که برای شبکه های مولد تخاصمی است،که بر اساس آنتروپی متقاطع بین توزیع داده های تولید شده و داده واقعی است. این خطا در اولین مقاله‌ای که برای توضیح شبکه‌های مولد تخاصمی استفاده شده است.

۱۴ Minority Class

نامی که در مجموعه‌داده دسته نامتوازن به کلاس دارای داده کمتر گفته می شود. به عنوان مثال در مجموعه داده‌ای که ۹۹ درصد برچسب داده ها غیر هرزنامه و ۱ درصد برچسب ها هرزنامه باشد. کلاس با برچسب هرزنامه...

۱۵ ML

مخففی از کلمه یادگیری ماشین

۱۶ MINST

مجموعه داده با دسترسی رایگان و عمومی جمع‌آوری شده LeCun, Cortes, and Burges حدود ۶۰۰۰۰ تصویر، هر تصویر یک عدد از ۰ -۹ از دستخط افراد مختلف است. هر تصویر در سایر ۲۸ در ۲۸ ذخیره شده‌اند. تصاویر به صورت...

۱۷ Model

نمایشی از آنچه یک سامانه یادگیری ماشین از داده‌های آموزش یاد گرفته است. در Tensorflow مدل می‌تواند بیش از یک معنی داشته باشد که عبارتند از: یک گراف Tensorflow که ساختار محاسبه پیش‌بینی‌ها را نمایش...

۱۸ Model Capacity

پیچیدگی مساله هایی که مدل میتونه حل کنه. هرچقدر مساله پیچیده‌تر باشه،مدل برای اینکه بتونه حل کنه باید ظرفیت بیشتری داشته باشه. که ظرفیت مدل وقتی زیاد میشه که تعداد پارامتر های مدل بیشتر بشه.

۱۹ Model Training

مراحل تعیین بهترین مدل

۲۰ Momentum

یک الگوریتم کاهش شیب پیچیده که در آن یک نرخ یادگیری نه تنها به مشتق در مرحله فعلی، بلکه به مشتقات مرحله (های) بلافاصله قبل از آن نیز بستگی دارد. مومنتوم شامل محاسبه میانگین متحرک با وزن نمایی از...

۲۱ multi-class Classification

یک مساله طبقه‌بندی که دارای بیشتر از ۲ کلاس است، برای مثال تقریبا ۱۲۸ گونه درخت افرا وجود دارد، بنابراین مدلی که گونه‌های درخت افرا را طبقه‌بندی می‌کند، چند کلاسه است. برعکس، مدلی که ایمیل ها را تنها...

۲۲ multi-class Logistic Regression

استفاده از رگرسیون لجستیک در طبقه بندی چند کلاس

۲۳ Multinomial Classification

معادلی برای طبقه بندی چندکلاسه.