التحيز الاستقرائي

فيما يلي قائمة بالتحيزات الاستقرائية الشائعة في خوارزميات التعلم الآلي.

• الاستقلال الشرطي الأقصى : إذا كان من الممكن طرح الفرضية من وجهة نظر مبرهنة بايز، فاللجوء إلى تضخيم الاستقلال الشرطي سيمثل هنا التحيز الاستقرائي. ومثال على ذلك المصنف البايزي الساذج (Naive Bays Classifier).
• الحد الأدنى لخطأ التصديق المتقاطع : عند محاولة الاختيار بين الفرضيات المختلفة، حدد الفرضية ذات مستوى الخطأ الأدنى في اختبارات التصديق المتقاطع. رغم أن التصديق المتقاطع قد يبدو خاليًا من التحيز، إلا أن نظرية «لا غداء مجاني» تظهر أن التصديق المتقاطع لابد أن يكون منحازاً أيضاً.
• الهامش الأقصى : عند رسم حد بين فئتين، حاول تكبير عرض الحد بين الفئتين أي زيادة الهامش بينهما. وهذا النوع من التحيز الاستقرائي مستخدم في شعاع الدعم الآلي . الافتراض سيكون هنا هو أن الفئات المتميزة تميل إلى أن تكون مفصولة بحدود واسعة.
• الحد الأدنى لوصف الفرضية: عند تكوين الفرضية، حاول تقليل وصف الفرضية. حيث أن الفرضيات الأكثر بساطة من المرجح أن تكون هي الأصح. انظر لنصل أوكام.
• الحد الأدنى من الميزات: ما لم يكن هناك دليل جيد على أن الميزة مفيدة، فيجب حذفها. هذا الافتراض يرتبط بخوارزميات اختيار الميزات .
• الجيران الأقرب: افترض أن معظم الحالات المتواجدة في نطاق صغير ضمن فضاء الميزات تنتمي إلى نفس الفئة. عند وجود حالة تكون الفئة فيها غير معروفة، خمن أنها تنتمي إلى نفس الفئة التي تنتمي إليها أغلبية الحالات في المنطقة المجاورة الأقرب لها. هذا هو التحيز المستخدم في الجيران الأقرب في التعلم الآلي . الافتراض هو أن الحالات القريبة من بعضها البعض تميل إلى الانتماء إلى نفس الفئة.

على الرغم من أن معظم خوارزميات التعلم لها تحيز ثابت، إلا أن بعض الخوارزميات مصممة بحيث يتحرك تحيزها بعد أن تحصل على المزيد من البيانات.[3] وفي هذه الحالة لا تكون الخوارزميات بمنأى عن التحيز، لأن عملية تحرك وتغيير التحيز نفسها يجب أن يكون لها تحيز أيضاً.

• بوابة روبوتيات
• بوابة برمجيات