أقل عدد من العينات في الورقة: حاجز أمام القرارات الهشة

الخلاصة السريعة

افحص حجم كل فرع مقترح، وليس حجم العقدة الأم وحده؛ ثم قيّم فائدة الفرع، لأن بلوغ الحد العددي لا يضمن صحة قراره.

• min_samples_leaf يشترط عددًا أدنى في كل فرع ناتج؛ المثال هنا يستخدم عددًا صحيحًا وعينات متساوية الوزن. ^[1]
• مع حد 3 وعشر عينات، يفشل تقسيم 8/2 وينجح 7/3 من حيث العدد فقط.
• min_samples_split يخص أهلية العقدة للانقسام؛ لا يكفي وحده لضمان حجم كل ورقة. ^[1]
• زيادة الحد قد تنعّم النموذج، وخاصة في الانحدار؛ اختَر القيد بالتحقق ولا تعتبر العدد ضمان تمثيل. ^[1][2]

ما الذي نعده في كل طرف؟

عند ضبط min_samples_leaf على عدد صحيح، نفحص أن كل طرف يحتوي هذا العدد على الأقل. تتيح الواجهة أيضًا كسرًا من حجم التدريب، لكن مثالنا يقتصر على العدد الصحيح. ^[1]

تخيل عشر بطاقات تدريب تمثل حالات مخزون افتراضية. يرسم اقتراح أول خطًا يترك ثماني بطاقات في طرف واثنتين في الآخر. لا تقل «لدينا عشر، إذن تكفي». السؤال في قيد الورقة هو كم بقي لكل طرف. اكتب العدد على كلا الفرعين حتى لا يخفي حجم العقدة الأم صغر أحدهما.

متى ينجح اقتراح من حيث العدد؟

اختر في المثال حدًا أدنى 3. التقسيم 8/2 مرفوض لأن الطرف الثاني فيه 2 فقط. اقتراح بديل 7/3 يحقق الشرط للطرفين، واقتراح 5/5 يحققه أيضًا. لم نحدد بعد أيهما يفصل نتائج المخزون أفضل؛ حكمنا على صلاحية العدد وحدها.

ولو احتوت عقدة فرعية خمس بطاقات، فلا يمكن تقسيمها إلى طرفين يحتوي كل منهما 3؛ فالمجموع اللازم ست. هذه نتيجة حسابية للحد المفروض، وليست قاعدة تقول إن خمس حالات غير مفيدة دائمًا. قد تبقى العقدة ورقة وتستعمل أمثلتها معًا في التنبؤ.

الحد 3 في هذا النص اختيار تعليمي. لا نحوله إلى توصية لكل بيانات، ولا ندعي تجربة حسنت الأداء عند استعماله.

كيف يختلف عن عدد عينات الانقسام؟

min_samples_split يحدد الحد اللازم لاقتراح انقسام داخل العقدة، بينما min_samples_leaf يفحص حجم الأجزاء الناتجة. ^[1]

في عشر بطاقات، إذا كان حد الانقسام 6، تكون العقدة مؤهلة من حيث هذا الشرط. ومع ذلك قد يقترح سؤالًا ينتج 9/1؛ اجتياز شرط الأم لا يحمي الطرف ذي البطاقة الواحدة. إذا أضفت حد الورقة 3، يرفض هذا الاقتراح.

هذا المثال يفصل شرطين كثيرًا ما يظهران قرب بعضهما في الإعدادات. يمكنك كتابة عمودين للمراجعة: «هل يسمح حجم الأم بالمحاولة؟» و«هل يسمح حجم الطرفين بالقبول؟». النتيجة في العمود الأول لا تجيب عن الثاني.

هل العدد الأكبر يجعل الفرع موثوقًا؟

قد يؤدي قيد حجم الورقة إلى تنعيم النموذج، وخاصة في الانحدار؛ ويمكن اختيار قيود النمو بالتحقق. ^[1][2]

افترض أن البطاقات الثلاث في طرف واحد نُسخ لواقعة واحدة. هي ثلاث بطاقات في العد، لكنها لا توثق ثلاث ظروف مختلفة. المثال يذكرك بمراجعة معنى العينات، لا بتغيير آلية المكتبة تلقائيًا. انظر إلى الفئات والظروف التي يمثلها الفرع، ثم اختبر التنبؤات وفق المهمة.

سجل قيمة القيد مع النتيجة. إذا منعت فرعًا يهم السؤال، راجع إعدادًا بديلًا وقارنه؛ وإذا سمحت بفروع صغيرة كثيرة، افتح أمثلتها لتفهم ما تميز. القيد العددي ينظم النمو، ويظل تفسير الحالات عملًا مستقلًا.