Bootstrap لمقياس التقييم يعيد سحب الحالات مع الإرجاع ويحسِب المقياس لكل سحب. في شرحنا تبقى تنبؤات النموذج ثابتة؛ نراجع اختلاف المقياس عبر عينات من سجل التقييم، ولا ندرب نماذج جديدة. [1]
الخلاصة السريعة
أعد معاينة أزواج الحقيقة والتنبؤ معًا، وحدد المقياس وطريقة الفاصل؛ سحبان تعليميان لا يكفيان لإعلان فاصل ثقة.
- في مثالنا تعاد حالات تقييم ذات تنبؤات ثابتة مع الإرجاع وبحجم السجل الأصلي؛ يتيح الإرجاع تكرار الحالة، وتبقى الحقيقة والتنبؤ مرتبطين بمعرفها. [1]
- أخطاء السجل صفر و 1 و 3 و 4، ومتوسطها 2؛ السحبان المعلنان يعطيان 1.25 و 3، دون تغيير أي تنبؤ.
- يحفظ paired=True الفهارس نفسها لكل مصفوفة في SciPy؛ سحب الحقيقة والتنبؤ منفصلين قد يصنع مقارنات لم تكن في السجل. [1]
- حدد طريقة الفاصل ومستوى الثقة ووحدة السحب؛ نفترض استقلال حالات المثال، ولا نقدّم السحبين فاصلًا أو ضمانًا للحالة التالية.
ما الذي ثبت قبل أن نسحب؟
يصف التوثيق السحب مع الإرجاع وبحجم العينة الأصلية، ثم حساب الإحصاء لكل إعادة معاينة. [1]
ننشئ سجلًا لأربع حالات افتراضية. الحقيقة بالدقائق هي 2 و 5 و 7 و 10، والتنبؤات المرتبطة بها 2 و 6 و 10 و 14. إذن مقادير الأخطاء صفر و 1 و 3 و 4، ومتوسطها 2. كل معرف يحفظ حقيقته وتنبؤه في صف واحد.
لا نعدل المعاملات أو نحاول إكمال تدريب؛ التنبؤ رقم ثابت في هذه المهمة. إعادة تدريب نماذج على عينات مختلفة ستجيب عن سؤال آخر يحتاج إلى تعريف ما يعاد تدريبه وكيف يقاس.
كيف يختلف المقياس دون أن تتغير التنبؤات؟
في سحب توضيحي نختار المعرفات 1 و 1 و 2 و 4. تظهر الحالة الأولى مرتين وتغيب الثالثة. قائمة الأخطاء الآن صفر وصفر و 1 و 4؛ المتوسط 5 ÷ 4 = 1.25 دقيقة.
سحب ثانٍ هو 2 و 3 و 4 و 4، بأخطاء 1 و 3 و 4 و 4. المتوسط 12 ÷ 4 = 3 دقائق. لم يصبح تنبؤ الحالة الرابعة أسوأ؛ تكرر أثر خطئها في هذا السحب.
اخترنا هذين السحبين يدويًا لشرح الحساب، ولم ننفذ عملية عشوائية أو نستدع SciPy. وهما لا يمثلان كل السحوبات الممكنة أو نطاق خطأ مثبتًا من دراسة.
| معرف الحالة | الحقيقة: دقيقة | التنبؤ: دقيقة | مقدار الخطأ: دقيقة |
|---|---|---|---|
| 1 | 2 | 2 | 0 |
| 2 | 5 | 6 | 1 |
| 3 | 7 | 10 | 3 |
| 4 | 10 | 14 | 4 |
احفظ الزوج عند إعادة المعاينة
يوثق paired=True استعمال فهارس سحب واحدة لكل المصفوفات بدل سحب عناصرها استقلاليًا. [1]
عندما نمثل الحقيقة والتنبؤ بعمودين، نريد سحب الصف كاملًا. تكرار المعرف 4 يعني تكرار الحقيقة 10 والتنبؤ 14 معًا. لا نقرنه فجأة بالحقيقة 2 الموجودة في الصف الأول.
مثلًا، إبقاء الحقائق الأصلية وتبديل التنبؤات إلى 14 و 2 و 6 و 10 يعطي أخطاء 12 و 3 و 1 وصفر. هذه مقارنات جديدة بسبب فقد الارتباط، لا إعادة معاينة صحيحة للأزواج التي أعلنّاها.
من السحوبات إلى فاصل له شروط
يوثق المرجع طرق percentile وbasic وBCa، تختلف في استخراج الفاصل. [1]
نحتاج إلى تسمية الطريقة ومستوى الثقة وعدد الإعادات ووحدة الحالة في تقرير فعلي. افترضنا أن الحالات الأربع مستقلة؛ إذا كانت الصفوف قياسات مترابطة للشيء نفسه، فلا نسمي كل صف حالة مستقلة لمجرد دخوله في الملف.
لا نقدم النطاق بين 1.25 و 3 بوصفه فاصل 95%، ولا نستنتج منه خطأ الحالة التالية. وكذلك لم نقس عدم يقين تدريب النموذج نفسه. المثال يوضح كيف تتغير حصيلة مقياس ثابت التعريف مع إعادة عد الحالات، ويبقي بناء الفاصل الفعلي وفرضياته مهمة منفصلة.
المصادر ومتابعة القراءة
- SciPy: stats.bootstrap (يفتح في نافذة جديدة)docs.scipy.org
أُعدّ هذا المقال بصياغة عربية أصلية بالاستناد إلى المصادر أعلاه، وهو مدخل تمهيدي إلى الموضوع. اقرأ منهجية المحتوى وحدوده.