شجرة القرار والبيانات الناقصة: لماذا تختلف طرق التوجيه؟

الخلاصة السريعة

لا تعامل القيمة الغائبة كجواب «لا». اقرأ آلية التوجيه في النموذج المستخدم، ثم ميّز فرعًا متعلمًا من اختبار بديل على خاصية متاحة.

• الغياب ليس صفرًا أو جواب لا؛ يحتاج إلى قاعدة توجيه معلومة.
• يتعلم HistGradientBoostingRegressor اتجاه النقص؛ وإن لم يره أثناء التدريب لهذه الخاصية يستخدم الطفل الأكثر عينات. ^[1]
• تصف rpart اختبارات بديلة تحاكي التقسيم الأصلي باستخدام خصائص أخرى. ^[2]
• في مثال بطاقة ناقصة العرض، نسجل مسار التوجيه وسببه؛ لا ندعي استعادة القياس الحقيقي.

لماذا لا يكفي السؤال الأصلي؟

في مثال يدوي لبطاقات مستطيلات، يسأل الجذر «هل العرض أكبر من 25 سنتيمترًا؟». بطاقة لا تحمل عرضًا لا تتيح حساب هذه المقارنة. كتابة صفر في الخانة تسلك فرعًا محددًا لكنها تضيف معلومة لم تكن موجودة. وكذلك وضعها تحت فرع لا من غير قاعدة يخلط الغياب مع عرض معروف لا يتجاوز 25.

السؤال هنا عن حركة البطاقة داخل الشجرة بعد ظهور الغياب. احتفظ في الشرح بفرق واضح بين عرض معروف قيمته صفر وعرض مجهول. قد يؤدي التنفيذ إلى النتيجة نفسها في حالة معينة، لكن سبب التوجيه مختلف، ويجب أن يظهر ذلك لمن يراجع التنبؤ.

كيف يعمل اتجاه النقص المتعلم؟

توثق scikit-learn أن أشجار HistGradientBoostingRegressor تختار توجيه القيم الغائبة يسارًا أو يمينًا أثناء التدريب وفق المكسب، وتستعمل الاختيار في التنبؤ. إذا لم ترَ هذه الخاصية نقصًا في التدريب، توجه الحالة إلى الطفل الأكثر عينات. ^[1]

نفترض عقدة توضيحية حُفظ فيها أن النقص يذهب يمينًا. بطاقة العرض المجهول تذهب يمينًا بسبب القاعدة المحفوظة، وليس لأن عرضها ثبت أنه أكبر من 25. ولو كانت الحالة من النوع الذي يستخدم الطفل الأكثر عينات، فمع 7 بطاقات يسارًا و 3 يمينًا تختار القاعدة اليسار. العددان افتراضيان؛ المثالان يشرحان حالتين مختلفتين ولا يثبتان الخيار الأمثل.

ما معنى الانقسام البديل؟

في وصف rpart، يتعلم الاختبار البديل محاكاة جهتي التقسيم الأصلي بخاصية أخرى. تستخدم الحالة الناقصة أول بديل متاح في الترتيب. ^[2]

تخيل أن خاصية «نوع القالب» موجودة رغم غياب العرض، وأن اختبارًا بديلًا محفوظًا يرسل قالب «ب» يمينًا. تسلك البطاقة هذا الفرع لأن الاختبار متاح. لا يعني ذلك أننا حسبنا عرضها المفقود. ينبغي التفريق بين قرار فرع يشبه قرار الاختبار الأصلي وبين إعادة بناء القيمة نفسها. مثال القالب مصطنع ولا يصف علاقة صناعية مؤكدة.

ماذا نسجل مع التنبؤ؟

اكتب في سجل المثال: الخاصية المطلوبة، وهل كانت غائبة، وآلية التوجيه التي استُعملت، والفرع الناتج. إن كانت الطريقة تعتمد بديلًا، أضف اسم البديل وقيمته. وإن اعتمدت اتجاهًا متعلمًا، أضف ذلك بوضوح. هذه قائمة مراجعة مقترحة لتفسير الحالة الفردية.

راجع أيضًا ما يحدث إذا غابت الخاصية البديلة، أو لم ير النموذج النقص في التدريب. لا تنقل قاعدة موثقة لبرنامج إلى برنامج آخر. قد يبدو الرسم الظاهر متشابهًا بينما تختلف تعليمات التعامل مع الغياب، ولذلك تحتاج نسخة التنفيذ وإعداداته إلى وصف يرافق الشجرة.