الميزات والتسميات في تعلم الآلة تؤدي أدوارا مختلفة: الميزات معلومات يستخدمها النموذج، والتسمية هي النتيجة المعروفة التي يتعلم توقعها في التعلم الخاضع للإشراف. لا تحدد أسماء الأعمدة دورها؛ يحدده السؤال الذي صغته. [1]
الخلاصة السريعة
الميزة معلومة تدخل إلى النموذج، والتسمية هي الهدف المعروف في أمثلة التعلم الموجه. [1]
- يتضمن المثال الموسوم ميزات ونتيجة معروفة، بينما يمكن توقع نتيجة مثال جديد من ميزاته. [1]
- قد يتغير دور العمود عند تغيير المهمة؛ عرف الهدف قبل اختيار المدخلات.
- استخدم ميزات يمكن الحصول عليها وقت التوقع، وتجنب إدخال معلومة تكشف النتيجة لاحقا. [2]
- في التمثيل الجدولي المعتاد، تصف الصفوف العينات وتصف الأعمدة الميزات. [3]
كيف نقرأ مثالا موسوما؟
تشرح Google أن مجموعة بيانات التعلم الخاضع للإشراف تتكون من أمثلة تضم ميزات وتسمية. ويستخدم النموذج الميزات لتوقع قيمة التسمية؛ وعند الاستخدام يقدم المستخدم ميزات المثال الذي لا تعرف نتيجته بعد. [1]
تخيل جدولا تعليميا لرحلات توصيل كتب داخل مستودع. يضم كل صف المسافة بالمتر، وعدد الكتب، والمدة الفعلية بالدقائق. إذا أردنا توقع المدة، فالمسافة والعدد ميزتان، والمدة المسجلة تسمية. هذه بيانات افتراضية لشرح الدور، وليست سجلا لقياس حقيقي.
هل لكل عمود دور ثابت؟
لا. إذا تغير السؤال إلى «كم كتابا يمكن نقله في مدة محددة؟»، فقد تصبح المدة المحددة مدخلا ويصبح العدد هدفا. لذلك لا تكفي تسمية العمود «المدة» لتحديد أنه ميزة أو تسمية. اقرأ عبارة الهدف أولا، ثم رتب الحقول وفقها.
يفيد جدول صغير من ثلاثة أعمدة: اسم الحقل، ودوره، ومتى تتوفر قيمته. في مثال التوصيل، قد تعرف المسافة قبل الرحلة، بينما تعرف المدة الفعلية بعد وصول الكتب. يمنع هذا الوصف الخلط بين معلومات التخطيط ومعلومات النتيجة.
كيف نمنع المعلومة التي تكشف النتيجة؟
يحدث تسرب البيانات عندما يستخدم بناء النموذج معلومة لن تتاح وقت التوقع. وقد يجعل ذلك نتائج التقييم أكثر تفاؤلا مما يتحقق عند استخدام النموذج على بيانات جديدة. [2]
في المثال، لا تدخل «وقت الوصول الفعلي» ضمن ميزات توقع المدة قبل بدء الرحلة. فهذا الحقل يأتي بعد الحدث، وقد يكشف ما أردت توقعه. السؤال الصحيح لكل ميزة مقترحة هو: هل يستطيع النظام معرفة هذه القيمة في اللحظة التي سيطلب فيها التوقع؟
كيف تظهر الميزات والتسميات في الجداول؟
في التمثيل المعتاد في scikit-learn، تحتوي مصفوفة المدخلات على العينات في الصفوف والميزات في الأعمدة، وترتبط قيم الهدف بالعينات نفسها. هذا تنظيم شائع للبيانات الجدولية، ولا يعني أن كل مهمة يجب أن تبدأ بملف جدول. [3]
قبل التدريب، راجع تطابق ترتيب النتائج مع ترتيب الصفوف. إذا رتبت جدول المدخلات وحده، فقد تنسب مدة رحلة إلى رحلة أخرى. استخدم معرفا يساعدك على فحص الربط، واحتفظ بتعريف الوحدة؛ فالمتر والدقيقة لا يجوز أن يتبادلا المعنى بسبب عنوان عمود غامض.
المصادر ومتابعة القراءة
- Google for Developers: التعلم الخاضع للإشراف (يفتح في نافذة جديدة)developers.google.com
- scikit-learn: Common pitfalls and recommended practices (يفتح في نافذة جديدة)scikit-learn.org
- scikit-learn: Getting Started (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.