الشجرة متعددة المخرجات تنتج أكثر من قيمة للحالة نفسها. يعرض مثال scikit-learn شجرة انحدار تتنبأ بمخرجين من مدخل واحد. [1]
الخلاصة السريعة
حدد لكل حالة الأعمدة التي تريد توقعها. في الشجرة المشتركة تتبع الحالة مسارًا واحدًا إلى ورقة تحمل عدة مخرجات؛ كثرة الفئات داخل مخرج واحد مسألة مختلفة.
كيف نميز عدد الأهداف عن عدد الفئات؟
يعرض المثال الرسمي تدريب شجرة واحدة على مصفوفة هدف بعمودين ثم إخراج عمودين عند التنبؤ. [1]
نفترض في مثالنا بطاقات تصف موضع علامة على لوحة، ونريد الإحداثي الأفقي والإحداثي الرأسي. كل بطاقة تحمل زوجًا مرتبًا، وهذان هدفان عدديان. أما بطاقة لها مخرج واحد هو اللون من «أحمر» و«أزرق» و«أخضر» فلها ثلاث فئات في هدف واحد. لا نسميها ثلاثة مخرجات لمجرد وجود ثلاثة أسماء ممكنة.
ما الذي تتشاركه القيم داخل الشجرة؟
تخزن الشجرة متعددة المخرجات عدة قيم في الورقة، وتختار الانقسامات وفق انخفاض المعيار عبر المخرجات. [2]
في رسم تعليمي، يحدد السؤال عن خاصية بطاقة أي ورقة نزورها. الورقة الأولى تحمل زوجًا، والثانية تحمل زوجًا آخر. الحالة لا تسلك فرعًا منفصلًا لكل إحداثي في هذا الرسم. لذلك عندما تشرح النتيجة، اكتب المسار والزوج معًا، ولا تعرض رسمين مستقلين وكأنهما يمثلان هذه الشجرة المشتركة.
كيف نحسب زوجًا في ورقة توضيحية؟
نفترض أن ورقة تحتوي بطاقتين ذواتي إحداثيين: (2، 8) و(6، 4). ونختار في المثال قاعدة متوسط كل عمود على حدة. المتوسط الأفقي هو (2+6)÷2 =4، والرأسي (8+4)÷2 =6. فتكون نتيجة الورقة (4، 6). قاعدة المتوسط مناسبة لتوضيح شجرة بمعيار الخطأ التربيعي. [1]
لا نحسب متوسط الأرقام الأربعة ونكرره في العمودين، لأن ذلك يخلط الهدفين. كذلك الزوج (4، 6) لم يظهر في البطاقتين الأصليتين، لكنه ناتج قاعدة المتوسط المفروضة. هذه حسابات من إعداد المقال على ورقة اخترناها، وليست شجرة دربناها أو تحديدًا مضمونًا لموضع علامة حقيقية.
كيف نحكم على فائدة المشاركة؟
اقرأ الخطأ لكل إحداثي، لا رقمًا جامعًا وحده. قد تكون الإحداثيات بوحدات أو مقاييس مختلفة، ويحتاج التقرير إلى بيان طريقة المقارنة. واقترح مقارنة النموذج المشترك مع نموذجين منفصلين على الحالات نفسها قبل تقرير الأنسب. هذه طريقة مراجعة تحريرية، وليست نتيجة اختبار تعلن فوز أحدهما.
إذا كان الإحداثي الأفقي جيدًا والرأسي ضعيفًا، فإن الحصول على زوج من واجهة واحدة لا يحل المشكلة. اسأل هل معنى الهدفين واضح وهل البيانات تصف الحالة نفسها. لا تستنتج علاقة سببية بينهما لأنهما يتشاركان الورقة. المقصود بالمشاركة هنا بنية التنبؤ، أما جودة كل قيمة فتحتاج تحققًا مستقلًا.
المصادر ومتابعة القراءة
- scikit-learn: Decision Tree Regression (يفتح في نافذة جديدة)scikit-learn.org
- scikit-learn: Decision Trees — Multi-output problems (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.