H

حرف H

Letter H

کلمات توضیح
۱ Hashing

در یادگیری ماشین مکانیزمی است برای جمع آوری داده‌های دسته‌بندی شده، به ویژه هنگامی که تعدادشان زیاد باشد، اما تعداد دسته‌های نسبتا کمی در مجموعه داده ظاهر شوند. به عنوان مثال زمین محل زندگی حدود ۶۰۰۰۰...

۲ Heuristic

یک راه حل سریع برای یک مسئله، که ممکن است بهترین راه حل باشد یا نباشد. به عنوان مثال "با یک ابتکار، ما به دقت ۸۶٪ دست یافتیم ولی هنگامی که از شبکه عصبی عمیق استفاده کردیم، دقت تا ۹۸٪ افزایش...

۳ Hidden Layer

در شبکه عصبی یک لایه ساختگی(مصنوعی) بین لایه ورودی (یعنی ویژگی‌ها) و لایه خروجی (پیش‌بینی) است. لایه‌های پنهان اغلب دارای یک تابع فعال سازی (مانند ReLU) برای آموزش هستند. یک شبکه عصبی عمیق بیش از یک...

۴ Hidden State

نورون‌هایی از یک شبکه عصبی بازگشتی که مانند حافظه مدل عمل می‌کنند. حافظه نهان یک شبکه عصبی بازگشتی باید اطلاعات موجود در داده‌هایی که قبلا توسط مدل دیده شده را در خود ذخیره کند تا در پیش‌بینی‌های...

۵ Hierarchical Clustering

دسته‌ای از الگوریتم‌های خوشه‌بندی، که درختی از خوشه‌ها را ایجاد می‌کنند. این الگوریتم‌ها برای داده‌های سلسله مراتبی مانند طبقه‌بندی‌های گیاهی مناسب هستند. دو نوع الگوریتم خوشه‌بندی سلسله مراتبی وجود...

۶ Hinge Loss

خانواده‌ای از توابع هزینه که برای طبقه‌بندی طراحی شده‌اند تا مرز تصمیم گیری را تا جایی که ممکن است از هر نمونه آموزش پیدا کنند. بنابراین تفاوت بین مثال‌ها و مرز تصمیم را به حداکثر می‌رساند. KSVMs ها...

۷ Holdout Data

نمونه‌هایی از داده که عمدا در حین آموزش استفاده نشده‌اند(نگه داشته شده). مجموعه داده‌های اعتبار سنجی و آزمایشی، نمونه‌هایی از داده‌های نگه‌داری هستند. داده‌های نگه‌داری می‌توانند به ارزیابی توانایی...

۸ Hyperparameter

پارامتر‌هایی که در طول دوره‌های متوالی آموزش یک مدل تغییر می‌دهید. به عنوان مثال میزان یادگیری یک ابر پارامتر است. متضاد: پارامتر

۹ Hyperplane

مرزی که یک فضا را به دو زیر فضا تقسیم می‌کند. به عنوان مثال خط، یک صفحه‌ی دو بعدی است و صفحه یک ابر صفحه‌ی سه بعدی است. به طور معمول در یادگیری ماشینی‌، ابر صفحه‌ مرزی است که یک فضای با ابعاد بالا را...