بحث الشبكة

بحث الشبكة (المعروف أيضًا باسم بحث المعلمات الفائقة أو ضبط المعلمات) هو أسلوب ضبط خوارزمي يستخدم لتحديد المجموعة المثالية من المعلمات الفائقة التي سيتم استخدامها في نموذج التعلم الآلي. إنه نوع من البحث الشامل، حيث يتم تقييم جميع المجموعات الممكنة من المعلمات الفائقة ومقارنتها لتحديد النموذج الأفضل أداءً.

الهدف من بحث الشبكة هو تحسين المعلمات الفائقة وزيادة دقة النموذج. إنه يعمل عن طريق إنشاء شبكة من قيم المعلمات الفائقة المتعددة ثم المرور بشكل منهجي عبر الشبكة واحدة تلو الأخرى لتحديد المجموعة المثالية من المعلمات الفائقة. في كل خطوة، تقوم الخوارزمية بتقييم نقطة واحدة من شبكة المعلمات الفائقة للعثور على أفضل مجموعة من المعلمات الفائقة التي تعمل على تحسين أداء النموذج بشكل أفضل.

بحث الشبكة هو نوع من بحث القوة الغاشمة، مما يعني أنه يتم اختبار جميع المجموعات الممكنة من المعلمات الفائقة، بدلاً من محاولة تقييمها بطريقة أكثر دقة. إنها أبسط طريقة لتحسين المعلمة الفائقة لأنها لا تتطلب قدرًا كبيرًا من وقت الحساب. ومع ذلك، قد يستغرق الأمر وقتًا طويلاً وهو مناسب بشكل أساسي إذا لم يكن عدد قيم المعلمات الفائقة كبيرًا جدًا.

يعد بحث الشبكة أحد أساليب ضبط المعلمات الفائقة الشائعة، خاصة بالنسبة لأجهزة المتجهات الداعمة والمصنفات الأخرى. يتم استخدامه بشكل شائع في نماذج التعلم الآلي البسيطة مثل Support Vector Machines ونماذج الغابات العشوائية لضبط هذه النماذج لتحسين الدقة والأداء.

يمكن تنفيذ بحث الشبكة ضمن مكتبات التعلم الآلي الشائعة مثل Scikit-Learn وTensorFlow لـ Python وCaret لـ R وmlr لـ R/Python/Julia.