شجرة CART، اختصار أشجار التصنيف والانحدار، تبني تقسيمات ثنائية متكررة: يقسم اختبار البيانات إلى جزأين، ثم تطبق الفكرة داخل الأجزاء. الثنائية تصف التفرع، ولا تحصر المهمة في فئتين. [1]
الخلاصة السريعة
يمكن لشجرة ذات فرعين عند كل اختبار أن تنتهي بثلاث فئات أو أكثر؛ عدّ مخارج الاختبار وحده لا يخبرك بعدد النتائج النهائية.
- CART تعني أشجار التصنيف والانحدار، والتقسيم الثنائي يكرر فصل البيانات إلى جزأين. [1]
- في المثال، سؤالان ثنائيان ينتجان ثلاث أوراق تحمل أسماء مجموعات مختلفة.
- يختلف معيار جودة الفصل بين فئات التصنيف والقيم العددية؛ لا يعني الثنائي ترميز كل مهمة بنعم أو لا. [1]
- طبّق القاعدة المختارة داخل كل جزء، مع ضبط النمو والتقليم؛ تنفيذ المكتبة قد يختلف عن الخوارزمية العامة. [1]
ما معنى الثنائية في السؤال؟
المقصود أن الاختبار يقسم الحالات إلى طرفين. في صورة تعليمية، يمكن كتابة «هل القياس أصغر من حد معين؟» ثم اتباع فرع نعم أو لا. لكن اسم الورقة النهائي قد يكون «أ» أو «ب» أو «ج»، وليس بالضرورة جواب السؤال نفسه.
افصل في الرسم بين صنف العقدة وصنف الناتج. اكتب الاختبار داخل العقدة الداخلية، ثم اسم التنبؤ داخل الورقة. بهذه الطريقة لا يظن القارئ أن كل نعم يعني فئة واحدة مشتركة في كامل الشجرة. معنى نعم يعود إلى الاختبار الذي سبقه.
مثال: كيف تظهر ثلاث مجموعات؟
نفرض ست بطاقات من إعداد المقال، تحمل قياسات 1 و 2 و 4 و 5 و 8 و 9. نريد ترتيبها في مجموعات تعليمية «أ» و«ب» و«ج». يسأل الجذر: هل القياس أقل من 3؟ نعم تقود إلى الورقة «أ» وفيها 1 و 2. لا تقود إلى اختبار ثانٍ: هل القياس أقل من 7؟
في السؤال الثاني، نعم تصل إلى «ب» وفيها 4 و 5، ولا تصل إلى «ج» وفيها 8 و 9. لدينا ثلاث أوراق، مع أن كل اختبار قدم فرعين فقط. بطاقة بقياس 8 تسلك لا ثم لا لتصل إلى «ج». العتبتان 3 و 7 مفروضتان للشرح، ولم تختارهما خوارزمية من بيانات حقيقية.
لو جعلنا الهدف مدة عددية بدل اسم مجموعة، لتغير ما نكتبه في الورقة. لكن تغيير الهدف لا يبدل ضرورة قراءة جواب الاختبار في موضعه.
على أي أساس يُختار الفصل؟
في تنفيذ rpart لأفكار CART، يستعمل التصنيف مقاييس اختلاط مثل جيني، بينما يمكن للانحدار مقارنة انخفاض مجموع مربعات الفروق داخل الأجزاء. [1]
في مثال القياسات، لم نزود التدريب بتسميات مستقلة لنتائج نريد توقعها؛ لذلك لا يجوز القول إن حدودنا هي الأفضل وفق جيني. لقد رسمنا بنية ممكنة فقط. لحساب جودة سؤال فعلي، نحتاج أهداف أمثلة المهمة في كل طرف، ثم تطبيق معيارها.
ولا يتساوى سؤال «ما شكل الرسم؟» مع سؤال «أي عتبة حسنت المعيار؟». الأول أجابه المثال، والثاني يحتاج حسابًا لم نقدم بياناته هنا.
ماذا يحدث بعد السؤال الأول؟
يطبق rpart البحث داخل الجزأين، ثم يستخدم تحققًا متقاطعًا في تقليم الشجرة. [1]
تستخدم scikit-learn نسخة محسنة من CART. [2]
في المثال يمكن أن يتوقف فرع «أ» مباشرة، بينما يحتاج الفرع الآخر سؤالًا إضافيًا. لا يلزم أن تتساوى أطوال المسارات. عند مقارنة تنفيذين، اقرأ شروط التوقف ونوع الخصائص التي يقبلها كل منهما، بدل الاستنتاج من اسم CART أن الإعدادات والمعالجة متطابقة.
احتفظ بالرسم والقيود معًا. تستطيع مراجعة مسار بطاقة من القياس إلى الورقة، ثم توضيح أن هذا لا يثبت دقة تصنيف خارجي أو ارتباطًا سببيًا بين القياس والاسم الذي اخترناه.
المصادر ومتابعة القراءة
- Therneau and Atkinson: An Introduction to Recursive Partitioning Using the RPART Routines (يفتح في نافذة جديدة)cran.r-project.org
- scikit-learn: Decision Trees — tree algorithms (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.