تقنية

حذف فئة مرجعية وتجاهل الجديدة: هل يعني الصف الصفري شيئا واحدا؟

فئة «شمالي» المحذوفة وفئة «غربي» الجديدة تصلان إلى الخانتين الصفريتين نفسيهما وعكسهما لا يكشف أصل الغربي
رسم أصلي لخريطة محددة؛ التطابق في الخانات ليس تطابقا في الأصل.

الصف الصفري عند حذف فئة مرجعية قد يخفي أكثر من حالة إدخال. نثبت ثلاث فئات معروفة، ونحذف الأولى من خانات OneHotEncoder، ونختار تجاهل الفئة غير المعروفة. يظهر عندئذ تمثيل واحد للمرجعية وللقيمة الجديدة، رغم أن معنييهما في الأصل مختلفان.

الخلاصة السريعة

لا؛ مع حذف المرجعية وتجاهل غير المعروفة قد يصل الأصلان المختلفان إلى الأصفار نفسها، فلا يكشف الصف الصفري وحده أيهما وصل.

  • مع drop="first" وhandle_unknown="ignore" قد تتساوى المرجعية والجديدة في الأصفار. [1]
  • نثبت القائمة شمالي ثم جنوبي ثم شرقي، وكلها معروفة وقت التهيئة، دون تجميع. نحذف شمالي؛ جنوبي وشرقي لهما خانتان، وشمالي وغربي الجديد يعرضان 0 و 0.
  • تعيد الأداة الفئة المحذوفة عند عكس صف صفري في ميزة لها فئة محذوفة. [1] عودة اسم شمالي لا تثبت أن الأصل لم يكن غربي في هذا الإعداد.
  • احتفظ بالقيمة الواصلة وحالة وجودها في القائمة والإعدادات. الأصفار ليست غيابا أو كمية معدومة تلقائيا، ولا نعد فك التمثيل دليلا على صحة الفئة الأصلية.

أي خيارين نثبت في السؤال؟

يحذف first أول فئة، ويمثل ignore الفئة غير المعروفة بأصفار في خانات الميزة. [1]

نحدد يدويا قائمة لعمود اتجاه مسجل: شمالي ثم جنوبي ثم شرقي، مع ظهور الفئات الثلاث في التهيئة. نختار حذف الأولى وتجاهل غير المعروفة، ولا نستعمل تجميعا للفئات النادرة. ترتيب الكلمات هنا قائمة أعلنّاها، لا ترتيب بحث أبجدي نخمنه.

بعد حذف شمالي تبقى خانتا جنوبي وشرقي، بهذا الترتيب. كلمة «حذف» تخص خانة التمثيل، ولا تعني أن كل صف أصلي شمالي حذف من السجلات. نبقي الأصول في جدولنا كي نستطيع مراجعة ما فقده التمثيل وحده.

كيف يصل شمالي وغربي إلى الصف نفسه؟

للجنوبي نضع 1 في خانته و 0 في خانة الشرقي. وللشرقي نضع 0 ثم 1. أما الشمالي فهو الفئة المحذوفة، ولذلك ليست له خانة قائمة نضع فيها واحدا، فيظهر 0 و 0.

ثم تصل قيمة معلومة اسمها غربي، لم تكن في القائمة. مع سياسة التجاهل المختارة تظهر أيضا 0 و 0. لدينا إذن أصل معروف مرجعي وأصل معلوم الاسم لكنه غير معروف للقائمة، مع تمثيل مطابق في الخانتين.

لا تعني الخانتان الصفريتان أن الاتجاه لم يسجل أو أنه معدوم. في كلا السطرين سجلنا اسما. الالتباس يخص قدرة التمثيل المختصر على تمييز هذين الاسمين تحت الخيارين المحددين.

الأصل المؤلفحالته في القائمةجنوبيشرقي
شماليمرجعية محذوفة00
جنوبيمعروف محتفظ بخانته10
شرقيمعروف محتفظ بخانته01
غربيجديد مع سياسة التجاهل00

هل يحسم العكس اسم الأصل؟

ينص التوثيق على إعادة الفئة المحذوفة عند عكس الأصفار في ميزة لها فئة محذوفة. [1]

في قائمتنا سيكون الاسم المعاد شمالي. يستطيع الإجراء إعطاء هذا الجواب لكلا السطرين الصفريين، لكنه لا يستخرج من الخانتين وحدهما المعلومة التي فرقت غربي عن شمالي قبل الترميز.

لذلك نميز جواب إجراء العكس من الإثبات التاريخي لقيمة الإدخال. إذا أظهر جدول لاحق شمالي بعد العكس، نحتاج إلى الأصل أو إلى سجل حالة مستقل كي نعرف هل كان اسما معروفا فعلا. لم نشغل عكسا هنا؛ نستنتج أثر العقد الموثق على خريطة مؤلفة.

ما الذي نحفظه لمنع التفسير المضلل؟

احتفظ باسم القيمة الواصلة ومعرف صفها، وهل كانت ضمن القائمة، وقائمة الفئات وترتيبها وخيارات الحذف والتعامل مع الجديد. إذا احتجنا الفصل بين السطرين، فنسجل معلومة تفرق بينهما خارج الخانتين المتطابقتين.

ولا نغير تعريف الإعداد أثناء قراءة الجدول. إبقاء جميع خانات الفئات أو اختيار سياسة أخرى مسألة مختلفة تحتاج فحصا جديدا. الجواب هنا يبين أن التطابق العددي قد يخفي أصلين مختلفين؛ لا يقرر أفضل إعداد لكل نموذج، ولا يصحح اسم غربي إلى شمالي.

المصادر ومتابعة القراءة

  1. scikit-learn 1.9.1: OneHotEncoder (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.