المتعلم الفرديوهو مفهوم نسبي، أي أن المتعلم قبل أن يدمج في التعلم الجماعي.

وفقًا للطريقة التي يتم بها توليد المتعلمين الأفراد، يمكن تقسيم أساليب التعلم الجماعي إلى الفئتين التاليتين:

• هناك تبعيات قوية ويجب إنشاء طرق التسلسل بشكل تسلسلي، مثل Boosting.
• لا يوجد اعتماد قوي بين الطرق المتوازية التي يمكن إنشاؤها في وقت واحد، والممثلة في Bagging وRandom Forest.

التعزيز هو خوارزمية يمكنها ترقية المتعلمين الضعفاء إلى متعلمين أقوياء. يقوم أولاً بتدريب متعلم أساسي من مجموعة التدريب الأولية، ثم يضبط توزيع عينات التدريب بناءً على المتعلم الأساسي بحيث تتلقى عينات التدريب التي أخطأ فيها المتعلم الأساسي المزيد من الاهتمام في المستقبل، ثم يقوم بتدريب المتعلم الأساسي التالي بناءً على توزيع العينات المعدل؛ يتم تكرار هذه العملية حتى يصل عدد المتعلمين الأساسيين إلى قيمة محددة مسبقًا T، وأخيرًا يتم دمج هؤلاء المتعلمين T بشكل مرجح.

تعتبر عملية التجميع أحد نماذج التعلم الجماعي المتوازي، والتي تعتمد على أخذ العينات من مصادر أولية وتركز على تقليل التباين. خوارزمية الغابة العشوائية هي نسخة موسعة من عملية التجميع، والتي تقوم ببناء مجموعة تجميع استنادًا إلى أشجار القرار وتقدم أيضًا اختيار السمات العشوائية في عملية تدريب أشجار القرار.

مراجع

【1】ملاحظات حول "التعلم الآلي" - التعلم الجماعي (مقالة Zhihu)