بايز الساذج عائلة مصنفات تستخدم قاعدة بايز مع افتراض مبسط: تُعامل الخصائص بوصفها مستقلة عن بعضها عند معرفة الفئة. هذا استقلال مشروط، وليس ادعاءً أن الخصائص مستقلة في كل البيانات. [1]
الخلاصة السريعة
يبسط بايز الساذج حساب التصنيف باستقلال الخصائص المشروط بالفئة، لكن هذا الافتراض لا يجعل احتمالاته دقيقة تلقائيًا. [1]
- يعني «الساذج» افتراضًا حسابيًا للاستقلال المشروط، ولا يصف جودة النموذج أو ذكاءه. [1]
- يقارن المصنف درجات تجمع احتمال الفئة واحتمالات الخصائص داخلها، ثم يختار الدرجة الأعلى. [1]
- نوع المصنف يتبع طبيعة الخصائص؛ توجد صيغ للخصائص العددية ولأعداد التكرار وللقيم الثنائية. [1]
- قد ينجح التصنيف رغم تبسيط الافتراض، لكن يجب تقييم الاحتمالات منفصلة إذا استُخدمت في قرار. [1]
لماذا يحتاج الاستقلال إلى شرط؟
يفترض النموذج استقلال الخصائص عند تثبيت الفئة. هذا يسمح بكتابة العلاقة المشتركة باعتبارها حاصل ضرب علاقات منفردة، فيقل عدد العلاقات التي يحتاج إلى تقديرها. [1]
لتوضيح الشرط، تخيل بطاقات قطع مفترضة تحمل لونًا وشكلًا واسم فئة. القول إن اللون والشكل مستقلان داخل كل فئة يختلف عن القول إنهما مستقلان في صندوق البطاقات كله. خلط الجملتين يغيّر ما تفترضه الخوارزمية قبل إجراء أي حساب.
مثال: مقارنة درجتين دون اختراع بيانات
في مثال حسابي من إعداد المقال، لدينا فئتان أ وب، وخاصيتان ظاهرتان في قطعة جديدة. نفترض احتمالًا أوليًا للفئة أ مقداره 0.6، واحتمالي الخاصيتين داخلها 0.2 و0.5. الدرجة غير المطَبّعة لأ هي 0.6 × 0.2 × 0.5 = 0.06.
وللفئة ب نفترض احتمالًا أوليًا 0.4، واحتمالي الخاصيتين 0.8 و0.1. تصبح الدرجة 0.4 × 0.8 × 0.1 = 0.032. الدرجة الأولى أكبر، فيختار المثال الفئة أ. ليس المطلوب مقارنة 0.2 و0.8 منفردين؛ تدخل الفئة الأولية والخاصية الثانية في المقارنة أيضًا.
الأرقام افتراضات تعليمية، وليست تكرارات قِسناها في مصنع أو نتائج تدريب. ولا يصح قراءة 0.06 على أنها احتمال نهائي قدره 6%؛ سميناها درجة غير مطبعة. عند عرض مثال مشابه، سمّ نوع كل رقم أولًا: احتمال أولي، أو احتمال خاصية داخل فئة، أو درجة مقارنة.
هل توجد نسخة واحدة لكل أنواع المدخلات؟
تختلف صيغ بايز الساذج بحسب توزيع الخصائص المفترض: صيغة غاوسية للعددية، ومتعددة الحدود لبيانات العد، وبرنولي للوجود أو الغياب. اختيار الصيغة جزء من تعريف النموذج. [1]
إذا كانت بطاقتك تسجل «يوجد ثقب» بنعم أو لا، فهذا وصف مختلف عن «عدد الثقوب». لا تستبدل الاثنين بصمت لأنهما يشيران إلى الشيء نفسه في الحياة اليومية. دوّن ما يحمله العمود، ثم ابحث عن صيغة تفسر ذلك التمثيل؛ اسم الخوارزمية العام لا يكفي لتعريف التجربة.
ماذا نراجع قبل استعمال الاحتمالات؟
يمكن لهذه المصنفات أن تنجح في مهام تصنيف، لكن وثائق scikit-learn تحذر من التعامل مع احتمالاتها بوصفها تقديرات جيدة تلقائيًا. [1]
اسأل سؤالين منفصلين: هل اختارت الفئة الصحيحة؟ وهل تتوافق احتمالاتها مع نسب النتائج التي نلاحظها؟ إذا ستستخدم الدرجة لمجرد ترتيب بطاقات للمراجعة، فاختبر الترتيب. وإذا ستعرض نسبة للمستخدم، فاختبر معنى النسبة كذلك. ولا تحذف خصائص مترابطة أو تضفها على أساس الشعار وحده؛ قارن أثر التمثيل الذي اخترته في هدف محدد.
المصادر ومتابعة القراءة
- scikit-learn: Naive Bayes (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.