يعد التنظيم (L1، L2) مفهومًا مهمًا في مجال التعلم الآلي والذكاء الاصطناعي الذي يصف عملية إدخال معلومات وقيود إضافية في نموذج التعلم الآلي، من أجل تقليل تعقيد النموذج وتحسين تعميم النموذج. نموذج للبيانات غير المرئية.
يتضمن التنظيم، كما يوحي الاسم، إضافة معاملات "منتظمة" إلى نموذج التعلم الآلي، والتي يمكن اعتبارها قيودًا على مقدار التأثير الذي يمكن أن تحدثه معلمة معينة على مخرجات النموذج. النوعان الأكثر استخدامًا للتنظيم هما التنظيم L1 وL2.
يعتمد تنظيم L1، المعروف أيضًا باسم تنظيم Lasso، على مجموع القيم المطلقة لمعاملات النموذج. يتحدى هذا النوع من التنظيم معاملات النموذج، مما يعني أنه يمكن تخفيضها إلى الصفر، مما قد يؤدي إلى نموذج أبسط وأكثر اقتصادا.
يعتمد تنظيم L2، المعروف أيضًا باسم تسوية ريدج، على نهج مختلف: فهو يعتمد على مجموع المعاملات المربعة للنموذج. من خلال إضافة عقوبة إلى المعاملات التربيعية، يضطر النموذج إلى إبقاء المعاملات صغيرة وقريبة من الصفر، مما يؤدي إلى نموذج أبسط وأكثر اقتصادا.
يعد التنظيم أمرًا مهمًا لأنه يسمح لنا بتقليل تعقيد النموذج دون التضحية بالدقة عند تقديمه مع بيانات غير مرئية. بالإضافة إلى ذلك، فهو يساعد على تقليل مخاطر التجهيز الزائد، وهو عندما يصبح النموذج معقدًا للغاية وغير قادر على التعميم بما يتجاوز بيانات التدريب المقدمة له.
بشكل عام، يعد التنظيم أداة قوية يمكن أن تساعد في إنشاء نماذج أكثر تعميماً للتعلم الآلي والذكاء الاصطناعي. إنه عنصر أساسي عند العمل مع النماذج المعقدة ويستخدم في العديد من حلول التعلم الآلي الحديثة.
