قاعدة البيانات ومجموعة البيانات في تعلم الآلة: ما الفرق؟

الخلاصة السريعة

حدد المجموعة المطلوبة للمهمة داخل مصدر البيانات، ووثق طريقة استخراجها بدلا من اعتبار المصدر كله مجموعة تدريب جاهزة.

• القاعدة تدعم التخزين والاسترجاع والتعديل؛ المجموعة تحدد بيانات لغرض معين. ^{[1] [2]}
• قد نستخرج مجموعتين مختلفتين من القاعدة نفسها؛ اكتب شروط الاختيار والحقول.
• سجل وقت الاستخراج وإصدار المجموعة لأن المصدر التشغيلي قد يتغير.
• وجود بيانات في قاعدة لا يثبت صلاحيتها للتعلم؛ راجع المعنى والوحدة قبل التدريب.

هل الاختلاف في نوع الملف؟

توضح IBM أن قاعدة البيانات مستودع يمكن أن يضم مجموعة بيانات أو أكثر. وتشرح AWS دور نظام إدارة القاعدة في تخزين البيانات واستردادها وتعديلها. لذلك لا يكفي امتداد الملف لتحديد الدور: قد يحتوي تصدير من القاعدة على المجموعة التي تحتاجها. ^{[1] [2]}

تخيل قاعدة افتراضية لمكتبة تحتفظ بالكتب والمواعيد والاستعارات. القاعدة تخدم العمل اليومي. إذا أردت دراسة مدة الاستعارة، فربما تستخدم سجلات محددة وحقولا قليلة فقط. المجموعة هنا محددة بالسؤال، ولا تضم بالضرورة كل ما تحتاجه المكتبة لتشغيل خدماتها.

كيف ينتج المصدر الواحد مجموعتين؟

في مثال تعليمي، اختر أولا استعارات أُعيدت خلال شهر محدد، مع تاريخ الإعارة وتاريخ العودة. ثم أنشئ مجموعة أخرى لفحص عدد الطلبات اليومية، تجمع فيها السجلات حسب اليوم. المصدر واحد، لكن وحدة الملاحظة مختلفة: استعارة في الأولى، ويوم في الثانية.

اكتب شروط الاختيار بلغة مفهومة: ما الفترة؟ ما الحالات المستبعدة؟ هل الصف يمثل حدثا أو شخصا؟ احتفظ بوصف الحقول ووحداتها مع المجموعة. تغيير التجميع قد يغير السؤال الذي يمكن الإجابة عنه، حتى لو بدأت المجموعتان من السجلات نفسها.

لماذا نوثق لحظة الاستخراج؟

لنفترض أن سجل عودة كتاب صُحح بعد استخراج ملف الدراسة. سيتغير استخراج جديد من القاعدة، بينما يبقى الملف القديم على حاله. هذا سيناريو افتراضي يبين لماذا لا يكفي قول «استخدمنا قاعدة المكتبة» لتحديد البيانات التي اعتمد عليها التحليل.

احتفظ بتاريخ الاستخراج وشروطه ومعرف إصدار واضح للمجموعة. إذا قارنت نتيجتين، افحص أولا أنهما اعتمدتا على النسخة نفسها، أو اشرح الفرق بين النسختين. لا يلزم أن تكون المجموعة ثابتة دائما؛ المطلوب تعريف ما استخدمه كل تشغيل وكيف تغير.

متى تصبح المجموعة مناسبة للتعلم؟

قبل التدريب، راجع معنى الأعمدة وصلتها بالسؤال. في مثال المكتبة، قد يصف تاريخ العودة النتيجة التي لا تعرفها وقت الإعارة. وجود الحقل في القاعدة لا يجعل استخدامه مناسبا لتوقع المدة عند بداية الاستعارة. حدد لحظة التوقع وما يمكن معرفته عندها.

أنشئ بطاقة للمجموعة تتضمن غرضها ووحدة صفها والفترة ومصدرها. ثم افحص القيم الناقصة والتكرار ومطابقة النتائج للمدخلات. هذه خطوات مراجعة للمثال، وليست تقريرا عن اختبار أُجري. سهولة الوصول إلى المصدر تساعد على العمل، لكنها لا تحسم صلاحية البيانات لسؤال معين.