التعلم في فضاء الإصدارات

يُعدّ تعلّم فضاء الإصدارات منهجًا منطقيًا في مجال تعلّم الآلة ، وتحديدًا في التصنيف الثنائي . تبحث خوارزميات تعلّم فضاء الإصدارات في فضاء مُحدّد مسبقًا من الفرضيات ، يُنظر إليه كمجموعة من الجمل المنطقية . رسميًا، يُعتبر فضاء الفرضيات فصلًا منطقيًا ^{[ 1 ].}

${\displaystyle H_{1}\lor H_{2}\lor ...\lor H_{n}}$

(أي أن فرضية واحدة أو أكثر من الفرضيات من 1 إلى ن صحيحة). تُعرض خوارزمية تعلم فضاء الإصدارات مع أمثلة، والتي ستستخدمها لتقييد فضاء فرضياتها؛ فلكل مثال x ، تُزال الفرضيات غير المتوافقة مع x من الفضاء. ^{[ 2 ]} يُطلق على هذا التحسين التكراري لفضاء الفرضيات اسم خوارزمية حذف المرشحين ، ويُطلق على فضاء الفرضيات المحفوظ داخل الخوارزمية اسم فضاء إصداراتها . ^{[ 1 ]}

في الحالات التي يكون فيها ترتيب عام للفرضيات، من الممكن تمثيل فضاء الإصدار بمجموعتين من الفرضيات: (1) الفرضيات المتسقة الأكثر تحديدًا ، و(2) الفرضيات المتسقة الأكثر عمومية ، حيث تشير كلمة "متسق" إلى الاتفاق مع البيانات المرصودة.

تغطي الفرضيات الأكثر تحديدًا (أي الحدود المحددة SB ) أمثلة التدريب الإيجابية المرصودة، وأقل قدر ممكن من فضاء الميزات المتبقي. هذه الفرضيات، إذا تم تقليصها أكثر من ذلك، تستبعد مثال تدريب إيجابي ، وبالتالي تصبح غير متسقة. تشكل هذه الفرضيات الدنيا في جوهرها ادعاءً (متشائمًا) بأن المفهوم الحقيقي يُعرَّف فقط بالبيانات الإيجابية المرصودة بالفعل: وبالتالي، إذا تم رصد نقطة بيانات جديدة (لم يسبق رؤيتها)، فيجب افتراض أنها سلبية. (أي، إذا لم يتم استبعاد البيانات مسبقًا، فسيتم استبعادها).

تغطي الفرضيات الأكثر عمومية (أي الحدود العامة GB ) أمثلة التدريب الإيجابية المرصودة، كما تغطي جزءًا كبيرًا من فضاء الميزات المتبقي دون تضمين أي أمثلة تدريب سلبية. وإذا تم توسيع هذه الفرضيات أكثر من ذلك، فإنها تتضمن مثال تدريب سلبي ، وبالتالي تصبح غير متسقة. تشكل هذه الفرضيات القصوى في جوهرها ادعاءً (متفائلًا) بأن المفهوم الحقيقي يُعرَّف فقط بالبيانات السلبية المرصودة مسبقًا: وبالتالي، إذا تم رصد نقطة بيانات جديدة (لم يسبق رؤيتها)، فينبغي افتراض أنها إيجابية. (أي، إذا لم يتم استبعاد البيانات مسبقًا، فسيتم قبولها).

وبالتالي، أثناء التعلم، يمكن تمثيل فضاء الإصدار (وهو في حد ذاته مجموعة - ربما لا نهائية - تحتوي على جميع الفرضيات المتسقة) من خلال حدوده الدنيا والعليا فقط (مجموعات الفرضيات العامة القصوى والمجموعات الخاصة القصوى)، ويمكن إجراء عمليات التعلم فقط على هذه المجموعات التمثيلية.

بعد عملية التعلم، يمكن إجراء التصنيف على أمثلة غير مرئية عن طريق اختبار الفرضية التي تعلمتها الخوارزمية. إذا كان المثال متوافقًا مع عدة فرضيات، فيمكن تطبيق قاعدة التصويت بالأغلبية. ^{[ 1 ]}

طُرح مفهوم فضاءات الإصدارات من قِبل ميتشل في أوائل ثمانينيات القرن العشرين ^{[ 2 ]} كإطار لفهم المشكلة الأساسية للتعلم الخاضع للإشراف في سياق البحث عن الحلول . وعلى الرغم من أن طريقة البحث الأساسية " لاستبعاد المرشحين " المصاحبة لإطار فضاء الإصدارات ليست خوارزمية تعلم شائعة، إلا أن هناك بعض التطبيقات العملية التي طُوّرت (على سبيل المثال، سفيردليك ورينولدز 1992، وهونغ وتسانغ 1997، ودوبوا وكوافاو 2002).

من أبرز عيوب تعلم فضاء الإصدارات عدم قدرته على التعامل مع التشويش: إذ يمكن لأي زوج من الأمثلة غير المتسقة أن يتسبب في انهيار فضاء الإصدارات ، أي أن يصبح فارغًا، مما يجعل التصنيف مستحيلاً. ^{[ 1 ]} وقد اقترح دوبوا وكافافو حلاً لهذه المشكلة، وهو فضاء الإصدارات التقريبي، ^{[ 3 ]} حيث تُستخدم تقريبات قائمة على المجموعات التقريبية لتعلم فرضيات مؤكدة ومحتملة في وجود بيانات غير متسقة.

• تحليل المفاهيم الرسمي
• البرمجة المنطقية الاستقرائية
• مجموعة التقريب . [يركز إطار عمل مجموعة التقريب على الحالة التي ينشأ فيها الغموض من مجموعة سمات فقيرة . أي أنه لا يمكن وصف المفهوم المستهدف بشكل قاطع لأن مجموعة السمات المتاحة لا تستطيع التمييز بين الكائنات التي تنتمي إلى فئات مختلفة. ويركز إطار عمل فضاء الإصدارات على الحالة (الاستقراء الكلاسيكي) التي ينشأ فيها الغموض من مجموعة بيانات فقيرة . أي أنه لا يمكن وصف المفهوم المستهدف بشكل قاطع لأن البيانات المتاحة لا تستطيع تحديد فرضية بشكل فريد. وبطبيعة الحال، يمكن أن يحدث كلا النوعين من الغموض في نفس مشكلة التعلم.]
• الاستدلال الاستقرائي . [حول المشكلة العامة للاستقراء.]

• هونغ، تسونغ باي؛ شيان-شيونغ تسانغ (1997). "خوارزمية تعلم فضاء الإصدارات المعممة للبيانات المشوشة وغير المؤكدة". معاملات IEEE في هندسة المعرفة والبيانات . 9 (2): 336-340 . doi : 10.1109/69.591457 . S2CID 29926783 . 
• ميتشل، توم م. (1997). تعلم الآلة . بوسطن: ماكجرو هيل.
• سفيردليك، دبليو؛ رينولدز، آر جي (1992). "مساحات الإصدارات الديناميكية في التعلم الآلي". وقائع المؤتمر الدولي الرابع حول الأدوات المزودة بالذكاء الاصطناعي (TAI '92) . أرلينغتون، فيرجينيا. الصفحات 308-315 .