مكون الشبكة العصبية ثنائي الفئة

توضح هذه المقالة مكونا في مصمم التعلم الآلي Azure.

استخدم هذا المكون لإنشاء نموذج شبكة عصبية يمكن استخدامه للتنبؤ بهدف يحتوي على قيمتين فحسب.

يعتبر التصنيف باستخدام الشبكات العصبية طريقة تعلم خاضعة للإشراف، وبالتالي يتطلب مجموعة بيانات مميزة بعلامات، والتي تتضمن عمود تسمية. على سبيل المثال، يمكنك استخدام نموذج الشبكة العصبية هذا للتنبؤ بالنتائج الثنائية مثل ما إذا كان المريض يعاني من مرض معين أم لا، أو ما إذا كان من المحتمل أن يخفق الجهاز خلال فترة زمنية محددة.

بعد تحديد النموذج، قم بتدريبه من خلال توفير مجموعة بيانات ذات علامات والنموذج كمدخلات في Train Model. يمكن بعد ذلك استخدام النموذج المدرب للتنبؤ بقيم الإدخالات الجديدة.

المزيد عن الشبكات العصبية

الشبكة العصبية هي مجموعة من الطبقات المترابطة. المدخلات هي الطبقة الأولى، وهي متصلة بطبقة إخراج بواسطة رسم بياني لا دوري يتكون من حواف وعقد ترجيحية.

بين طبقات الإدخال والإخراج يمكنك إدراج عدة طبقات مخفية. يمكن إنجاز معظم المهام التنبؤية بسهولة باستخدام طبقة واحدة أو بضع طبقات مخفية. ومع ذلك، فقد أظهرت الأبحاث الحديثة أن الشبكات العصبية العميقة (DNN) ذات الطبقات المتعددة يمكن أن تكون فعالة في المهام المعقدة مثل التعرف على الصور أو الكلام. تُستخدم الطبقات المتتالية لنمذجة المستويات المتزايدة من العمق الدلالي.

يتم تعلم العلاقة بين المدخلات والمخرجات من خلال تدريب الشبكة العصبية على بيانات الإدخال. يستمر اتجاه الرسم البياني من المدخلات عبر الطبقة المخفية وطبقة الإخراج. كل العقد في الطبقة متصلة بواسطة الحواف الموزونة بالعقد الموجودة في الطبقة التالية.

لحساب ناتج الشبكة لمدخل معين، يتم حساب القيمة في كل عقدة في الطبقات المخفية وفي طبقة الإخراج. يتم تعيين القيمة بحساب المجموع المرجح لقيم العقد من الطبقة السابقة. ثم يتم تطبيق وظيفة التنشيط على هذا المبلغ المرجح.

كيفية التهيئة

1. أضف مكون الشبكة العصبية ثنائي الفئة إلى البنية لديك. يمكنك العثور على هذا المكون ضمن التعلم الآلي، التهيئة، في فئة التصنيف.

2. حدد الطريقة التي تريد تدريب النموذج بها عن طريق تعيين خيار إنشاء وضع المدرب.

   • معلمة واحدة: حدد هذا الخيار إذا كنت تعرف بالفعل كيف تريد تهيئة النموذج.

   • نطاق المعلمات: إذا لم تكن متأكدا من أفضل المعلمات، يمكنك العثور على المعلمات المثلى باستخدام مكون Tune Model Hyperparameters. يمكنك توفير بعض مجموعة من القيم، ويكرر المدرب على مجموعات متعددة من الإعدادات لتحديد مجموعة القيم التي تنتج أفضل نتيجة.

3. بالنسبة إلى مواصفات الطبقة المخفية، حدد نوع بنية الشبكة المراد إنشاؤها.

   • حالة متصلة بالكامل: تستخدم بنية الشبكة العصبية الافتراضية، المحددة للشبكات العصبية ثنائية الفئة على النحو التالي:

     • طبقة واحدة مخفية.

     • ترتبط طبقة الإخراج بالكامل بالطبقة المخفية، والطبقة المخفية متصلة بالكامل بطبقة الإدخال.

     • عدد العقد في طبقة الإدخال يساوي عدد الميزات في بيانات التدريب.

     • يتم تعيين عدد العقد في الطبقة المخفية من قبل المستخدم. القيمة الافتراضية هي 100.

     • عدد العقد يساوي عدد الفئات. بالنسبة للشبكة العصبية ثنائي الفئة، هذا يعني أنه يجب تعيين جميع المدخلات إلى إحدى عقدتين في طبقة الإخراج.

4. بالنسبة إلى معدل التعلم، حدد حجم الخطوة التي يتم اتخاذها عند كل تكرار، قبل التصحيح. يمكن أن تتسبب القيمة الأكبر لمعدل التعلم في تقارب النموذج بشكل أسرع، ولكن يمكن أن تتجاوز الحدود الدنيا المحلية.

5. بالنسبة إلى عدد مرات تكرار التعلم، حدد الحد الأقصى لعدد مرات معالجة الخوارزمية لحالات التدريب.

6. بالنسبة إلى قطر أوزان التعلم الأولية، حدد أوزان العقد في بداية عملية التعلم.

7. بالنسبة إلى الزخم، حدد وزنًا لتطبيقه أثناء التعلم على العقد من التكرارات السابقة

8. حدد الخيار تبديل الأمثلة عشوائيًا لتبديل الحالات بين التكرارات. إذا قمت بإلغاء تحديد هذا الخيار، فستتم معالجة الحالات بنفس الترتيب تمامًا في كل مرة تقوم فيها بتشغيل البنية الأساسية.

9. بالنسبة إلى مصدر الرقم العشوائي، اكتب قيمة لاستخدامها كأولوية.

   يكون تحديد قيمة أولية مفيدًا عندما تريد ضمان التكرار عبر عمليات تشغيل نفس البنية الأساسية. بخلاف ذلك، يتم استخدام قيمة ساعة النظام على أنها أولية، مما قد يؤدي إلى نتائج مختلفة قليلاً في كل مرة تقوم فيها بتشغيل البنية الأساسية.

10. أضف مجموعة بيانات معنونة إلى البنية الأساسية، وقم بتدريب النموذج:

    • إذا قمت بتعيين Create trainer mode إلى Single Parameter، فقم بتوصيل مجموعة بيانات ذات علامة ومكون Train Model.

    • إذا قمت بتعيينوضع إنشاء المدربلـنطاق المعلمات، فقم بتوصيل مجموعة البيانات ذات العلامة وتدريب النموذج باستخدامضبط المعلمات الفائقة للنموذج.

    ملاحظة

    إذا قمت بتمرير النطاق المتعلق بمعلمة إلىتدريب النموذج، فإنه يستخدم القيمة الافتراضية فقط في قائمة المعلمات الفردية.

    إذا قمت بتمرير مجموعة واحدة من قيم المعلمات إلى المكونلضبط المعلمات الفائقة، عندما يتوقع نطاقاً من الإعدادات لكل معلمة، فإنه يتجاهل القيم ويستخدم القيم الافتراضية للمتعلم.

    إذا حددت الخيار نطاق المعلمات وأدخلت قيمة واحدة لأي معلمة، يتم استخدام هذه القيمة المفردة التي حددتها طوال عملية المسح، حتى إذا تغيرت المعلمات الأخرى عبر نطاق من القيم.

11. إرسال المسار.

النتائج

بعد انتهاء التدريب:

• لحفظ لقطة للنموذج المدرب، حدد علامة التبويب Outputs في اللوحة اليمنى لمكون نموذج Train. حدد أيقونة تسجيل مجموعة البيانات لحفظ النموذج كمكوِّن قابل لإعادة الاستخدام.

• لاستخدام النموذج لتسجيل النقاط، أضف مكون Score Model إلى البنية الأساسية لبرنامج ربط العمليات التجارية.

الخطوات التالية

راجع مجموعة المكونات المتوفرة للتعلم الآلي من Azure.