شرح التعلم العميق بصريا

فهم التعلم العميق باستخدام الأمثلة المرئية

يعد التعلم العميق أحد أقوى تقنيات الذكاء الاصطناعي، ومع ذلك قد يكون من الصعب فهمه. سأحاول في هذه المدونة شرح التعلم العميق باستخدام الصور والأمثلة.

إن بنية التعلم العميق مستوحاة من كيفية عمل دماغنا. إنه اتصال الخلايا العصبية. يمكن أن تحتوي نماذج التعلم العميق على العديد من المعلمات. يعتمد عدد المعلمات على عدد الطبقات والخلايا العصبية، والتي يمكن أن تنمو بشكل كبير للهندسة المعمارية المتطورة.

في هذه المدونة، سأتناول حالة الاستخدام التجاري للكشف عن الاحتيال المالي. واحدة من أكبر التحديات في اكتشاف الاحتيال هي مشكلة عدم التوازن الطبقي، مما يعني أن البيانات المستخدمة لتدريب نماذج التعلم الآلي بها حالات قليلة جدًا من الاحتيال.

إنه مثل تدريب نموذج التعلم الآلي للعثور على إبرة في كومة قش. يعد اكتشاف الاحتيال مشكلة خاصة تبرر اتباع نهج متطور مثل بنية التعلم العميق.

في المثال، سأأخذ البيانات من نظام المعاملات المصرفية. تبدو البيانات كما هو موضح هنا. تحتوي البيانات على نوع المعاملة المالية والمبلغ بالإضافة إلى الرصيد القديم والوجهة والرصيد الجديد. هناك أيضًا علامة تشير إلى ما إذا كانت المعاملة احتيالية أم لا.

يتوفر الاقتباس لمجموعة البيانات في نهاية المدونة.

يتم تقسيم البيانات إلى بيانات التدريب والاختبار. يتم تطوير نموذج التعلم العميق في مجموعة التدريب ثم يتم التحقق من صحته في بيانات الاختبار. ومن ثم يمكن استخدام هذا النموذج للتنبؤ بالاحتيال على البيانات غير المرئية.

يظهر هنا نموذج التعلم العميق للتنبؤ بالاحتيال. تتوافق الخلايا العصبية المدخلة مع بيانات المعاملة. تتوافق كل خلية عصبية مع عمود في بيانات الإدخال مثل نوع المعاملة والمبلغ ومعلومات الرصيد في الأصل والوجهة.

هناك طبقة وسيطة واحدة ثم الطبقة الأخيرة التي تحتوي على خليتين عصبيتين، إحداهما تتنبأ بعدم الاحتيال والأخرى تتنبأ بعدم الاحتيال.

الخطوط هي إشارات يتم تمريرها بين الطبقات المختلفة. يشير الخط الأخضر إلى إشارة إيجابية والخط الأحمر يشير إلى إشارة سلبية

نرى أن الخلية العصبية 1_0 تمرر إشارة إيجابية إلى الخلية العصبية الاحتيالية.

وهذا يعني أنها تعلمت بعمق كيف تبدو المعاملة الاحتيالية! هذا محمس !

دعونا نلقي نظرة خاطفة على داخل الخلية العصبية 1_0!

مخطط الرادار هو تمثيل لما تعلمته الخلية العصبية حول البيانات. يشير الخط الأزرق إلى قيمة عالية، ويشير الخط الأحمر إلى قيمة منخفضة. يشير الرسم البياني الراداري إلى توازن قديم وجديد مرتفع ولكنه متشابه تقريبًا عند الأصل. ومع ذلك، هناك فرق كبير جدًا بين الرصيد القديم والجديد في الوجهة.

مثل هذا الوضع هو مؤشر على الاحتيال. يمكن إظهار هذا الموقف بصريًا أدناه.

تظهر هنا دقة نموذج التعلم العميق باستخدام مصفوفة الارتباك.

في المجمل هناك حوالي 95000 معاملة، منها 62 معاملة احتيالية، وهو أقل بكثير من إجمالي المعاملة. ومع ذلك، فإن نموذج التعلم العميق يعمل بشكل جيد لأنه قادر على تحديد 52 بشكل صحيح على أنها احتيال، وهو ما يسمى أيضًا الإيجابي الحقيقي (tp).

توجد نتيجة إيجابية كاذبة واحدة (fp)، مما يعني أنها ليست عملية احتيال، لكن النموذج وضع علامة عليها بشكل غير صحيح على أنها عملية احتيال. إذن الدقة، وهي tp / (tp +fp)، تساوي 1%.

كما أن هناك 10 نتائج سلبية كاذبة (fn)، مما يعني أنها معاملات احتيالية، لكن نموذجنا غير قادر على التنبؤ بها. لذا فإن استدعاء المقياس هو tp / (tp +fn) وهو 83%

تعتبر بنية التعلم العميق قوية جدًا لأنها تساعد في حل المشكلات المعقدة مثل اكتشاف الاحتيال. تعد الطريقة المرئية لتحليل بنية التعلم العميق مفيدة في فهم البنية وكذلك كيفية حل المشكلة

اقتباس من مصدر البيانات لمجموعات البيانات المالية الاصطناعية للكشف عن الاحتيال

تتوفر مجموعات البيانات المالية الاصطناعية للكشف عن الاحتيال هنا: https://www.kaggle.com/competitions/spaceship-titanic/overview

كما هو محدد في قسم الترخيص، فهو يحتوي على ترخيص CC BY-SA 4.0.

• مشاركة — نسخ المواد وإعادة توزيعها بأي وسيلة أو تنسيق
• تكيف - إعادة مزج المواد وتحويلها والبناء عليها لأي غرض ، حتى لأغراض تجارية.

من فضلك قم الانضمام إلى المتوسطة مع رابط الإحالة الخاص بي.

من فضلك قم الاشتراك للبقاء على اطلاع عندما أقوم بإصدار قصة جديدة.

يمكنك زيارة موقع الويب الخاص بي لإجراء تحليلات بدون أي ترميز. https://experiencedatascience.com

على الموقع الإلكتروني، يمكنك أيضًا المشاركة في ورش عمل الذكاء الاصطناعي القادمة للحصول على تجربة مثيرة للاهتمام ومبتكرة في مجال علم البيانات والذكاء الاصطناعي.

هنا رابط لقناتي على اليوتيوب
https://www.youtube.com/c/DataScienceDemonstrated

شرح التعلم العميق بصريًا أعيد نشره من المصدر https://towardsdatascience.com/deep-learning-visually-explained-a9fff874d280?source=rss—-7f60cf5620c9—4 عبر https://towardsdatascience.com/feed

<!–

->