التجميع بالتعبئة (Bagging) هو مصطلح ظهر في مقالات قرمصيص ويستحق شرحاً مستقلاً. أسلوب تعلم جماعي يدرب نماذج متعددة على عينات عشوائية ثم يجمع تنبؤاتها. فهمه يساعدك على قراءة الشروحات ونتائج التجارب من غير خلط بين الاسم ووظيفته الفعلية.
باختصار
أسلوب تعلم جماعي يدرب نماذج متعددة على عينات عشوائية ثم يجمع تنبؤاتها.
بالتفصيل
تُسحب مجموعات تدريب مختلفة من البيانات، غالباً مع الإرجاع، ويُدرّب نموذج مستقل على كل مجموعة. التصنيف النهائي يتم بالتصويت والانحدار بالمتوسط، ما يساعد عادة على خفض التباين في النماذج الحساسة لتغير العينة.
الفكرة العملية هي النظر إلى مكان المصطلح داخل خط العمل: ما البيانات التي تدخل إليه، وما النتيجة التي ينتجها، وما التكلفة أو الافتراض الذي يضيفه. المقارنة العادلة تحتاج تجربة على بيانات منفصلة ومقياس مناسب، لا الاعتماد على الاسم أو الشهرة وحدهما.
مثال عملي
يمكن تدريب عدة أشجار قرار على عينات مختلفة من معاملات العملاء ثم متوسط نتائجها لتقدير احتمال التعثر.
خلي بالك: زيادة عدد النماذج ترفع تكلفة التدريب والاستنتاج، ولا تعالج وحدها انحيازاً مشتركاً في البيانات.
مصطلحات مرتبطة
Ensemble Learning، Random Forest، Boosting. قراءة هذه المصطلحات معاً توضح العلاقة بين البيانات والتدريب والتقييم والتشغيل.
المصادر: scikit-learn
