خوارزمية الأغلبية المرجحة (التعلم الآلي)

في مجال تعلم الآلة ، تُعد خوارزمية الأغلبية المرجحة (WMA) خوارزمية تعلم فوقية تُستخدم لبناء خوارزمية مركبة من مجموعة من خوارزميات التنبؤ، والتي قد تكون أي نوع من خوارزميات التعلم، أو المصنفات، أو حتى خبراء بشريين حقيقيين. ^{[ 1 ] [ 2 ]} تفترض هذه الخوارزمية عدم وجود معرفة مسبقة لدينا حول دقة الخوارزميات في المجموعة، ولكن توجد أسباب كافية للاعتقاد بأن واحدة أو أكثر منها ستؤدي أداءً جيدًا.

لنفترض أن المسألة هي مسألة قرار ثنائي . لبناء الخوارزمية المركبة، يُعطى وزن موجب لكل خوارزمية في المجموعة. ثم تجمع الخوارزمية المركبة الأصوات المرجحة من جميع الخوارزميات في المجموعة، وتقدم التنبؤ الحاصل على أعلى نسبة تصويت. إذا أخطأت الخوارزمية المركبة، تُخصم نسبة معينة β من الخوارزميات في المجموعة التي ساهمت في التنبؤ الخاطئ، حيث β تتراوح بين 0 و1.

يمكن إثبات أن الحدود العليا لعدد الأخطاء التي تُرتكب في سلسلة معينة من التنبؤات من مجموعة من الخوارزميات${\displaystyle \mathbf {A} }$يكون

${\displaystyle \mathbf {O(log|A|+m)} }$

إذا كانت إحدى الخوارزميات في${\displaystyle \mathbf {x} _{i}}$يصنع على الأكثر${\displaystyle \mathbf {m} }$أخطاء.

توجد العديد من صيغ خوارزمية الأغلبية المرجحة للتعامل مع مختلف الحالات، مثل الأهداف المتغيرة، أو المجموعات غير المحدودة، أو التنبؤات العشوائية. تبقى الآلية الأساسية متشابهة، حيث تُحدَّد الأداءات النهائية للخوارزمية المركبة بدالة لأداء الخوارزمية المتخصصة ( أفضل خوارزمية أداءً) في المجموعة.

• خوارزمية الأغلبية المرجحة العشوائية