التجميع بالمعاينة يدرب نسخًا من نموذج على عينات مختلفة من البيانات الأصلية، ثم يجمع تنبؤاتها. في Bagging يكون السحب مع الإرجاع، فتستطيع الحالة نفسها الظهور أكثر من مرة داخل عينة. [1]
الخلاصة السريعة
أنشئ عينات بالسحب مع الإرجاع، ودرّب نموذجًا لكل عينة، ثم اجمع المخرجات بطريقة تناسب المهمة. الفكرة تستهدف تقليل التباين؛ لا تضمن تحسنًا في كل مسألة. [1]
- السحب مع الإرجاع يسمح بالتكرار داخل العينة؛ تعطيل bootstrap في BaggingClassifier يعني سحبًا دون إرجاع. [1]
- عينة مساوية للأصل في عدد السحوبات قد تكرر حالات وتترك أخرى؛ البطاقات في المثال افتراضية.
- التجميع يستخدم التصويت أو التوسيط وفق المخرجات والتنفيذ؛ لا تخلط فئة مكتوبة بقيمة عددية. [1]
- تقليل التباين مختلف عن تصحيح كل عيب في البيانات أو ضمان تفوق المجموعة على نموذج مفرد.
ماذا يعني الإرجاع؟
بعد كل سحب تبقى الحالة متاحة للسحب التالي. توثق BaggingClassifier أن bootstrap=True يستعمل الإرجاع، وFalse يسحب دون إرجاع. كما تميز الوثائق Bagging عن أخذ مجموعة فرعية دون إرجاع. [1]
تخيل أربع بطاقات: أ، ب، ج، د. في السحب الأول ظهرت أ، ثم أ، ثم ج، ثم د. البطاقة أ تكررت، وب غابت. لا نقول إن لدينا خمس معلومات أصلية؛ عدد السحوبات أربعة، لكن عدد البطاقات المختلفة ثلاثة. نكرر العملية لإنشاء عينة ثانية مستقلة بالسحب من البطاقات الأصلية.
أين يختلف التدريب؟
لنفترض أن العينة الثانية هي ب، ج، ج، د. الآن اختلف حضور أ وب وتكرر ج بدل أ. تدرب نسخة من النموذج على العينة الأولى ونسخة أخرى على الثانية. لم نغير تعريف البطاقة أو نختلق تسمية جديدة لها؛ تغيرت تركيبة البيانات التي تراها كل نسخة.
وجود عدد سحوبات مساو لعدد حالات الأصل لا يعني أن كل حالة حضرت مرة. هذه نقطة مفيدة عند فحص ملف العينة: انظر إلى المعرفات المتكررة والغائبة، لا إلى عدد الصفوف وحده. وفي مهمة حقيقية سجل حجم العينة وإعداد السحب، حتى يمكن تفسير معنى النسخ التي تجمعها.
كيف نجمع المخرجات؟
تصف الوثائق جمع تنبؤات النماذج بالتصويت أو التوسيط لتكوين مخرج نهائي. [1]
مثال حسابي مصطنع: ثلاثة نماذج انحدار تعطي القيم 6 و 8 و 10 لحالة واحدة. إن كانت طريقة الجمع متوسطًا متساويًا، فالنتيجة (6+8+10)÷3=8. هذا حساب لقاعدة معلنة، ولم نجرب نموذجًا. لو كانت المخرجات أسماء فئات فلن نجمع حروفها أو نأخذ متوسط أرقام رموزها؛ نحتاج قاعدة جمع مناسبة.
يمكن تلخيص سجل المثال بعمود لكل نسخة، ثم عمود لقاعدة الجمع وعمود للنتيجة. بذلك تستطيع إعادة الحساب، وتعرف إن كان اختلاف النتيجة بسبب تنبؤ نسخة أم بسبب تغيير الطريقة التي تجمعها.
ما الذي لا يصلحه التكرار؟
تقليل التباين هدف مذكور للتجميع، وليس تعهدًا بأن جميع الأخطاء ستختفي. [1]
إذا حملت كل نسخ البطاقة تسمية خاطئة واحدة، فإعادة سحبها لا تثبت صحة التسمية. وإذا أعطت النماذج الثلاثة الرقم نفسه، فلن يغير المتوسط ذلك الرقم. افحص المجموعة في المهمة الفعلية، وقارنها بمرجع واضح مع تكلفة التدريب والتنبؤ. تنوع العينات وسيلة لبناء تنبؤات مختلفة، لكنه لا يغني عن فهم جودة ما تعلمت منه النماذج.
المصادر ومتابعة القراءة
- scikit-learn: BaggingClassifier (يفتح في نافذة جديدة)scikit-learn.org
أُعدّ هذا المقال بصياغة عربية أصلية بالاستناد إلى المصادر أعلاه، وهو مدخل تمهيدي إلى الموضوع. اقرأ منهجية المحتوى وحدوده.