ترتيب تحويل البيانات جزء من تعريف المسار الذي يعد مدخلات نموذج الذكاء الاصطناعي. حتى عندما تكون كل خطوة ثابتة ولا تتعلم إحصاء من البيانات، قد يغير تبديل خطوتين القيم الناتجة. معرفة أسماء التحويلات وحدها لا تكفي لإعادة النتيجة.
الخلاصة السريعة
لا نفترض أن تبديل التحويلات يحفظ النتيجة؛ نراجع تركيبها بالترتيب الفعلي، حتى إذا لم تتعلم أي خطوة من الصفوف.
- تصف وثائق Pipeline انتقال البيانات عبر الخطوات بالتتابع؛ خرج التحويل السابق يدخل الخطوة التالية. [1]
- نثبت قبل البيانات تحويلين: طرح 3 ثم التربيع. عند المدخل 5 نحصل على 4 ، بينما يعطي التربيع ثم طرح 3 العدد 22. هذه حسابات مؤلفة دون تشغيل مكتبة.
- التحويل الثاني يعمل على خرج الأول. اختلاف 4 و 22 لا يثبت أن أحد الترتيبين أفضل لنموذج أو أن كل تحويلين يختلفان عند التبديل.
- نوثق الصيغ والترتيب والثوابت والمجال. إذا تعلمت خطوة حالة من البيانات، نراجع أيضا بيانات تعلمها؛ ثبات ترتيب الخطوات وحده لا يعالج ذلك.
كيف تنتقل القيمة بين الخطوات؟
توضح وثائق scikit-learn أن Pipeline يمرر البيانات عبر المحولات بالتتابع إلى الخطوة التالية. [1]
نركز هنا على معنى التتابع الحسابي. لا نجعل كل خطوة تستقبل القيمة الأصلية بصورة مستقلة، بل نستعمل نتيجة الخطوة السابقة مدخلا لما بعدها. لذلك يلزم تحديد أي نتيجة دخلت كل حساب.
لنفترض أن فريقا جهز ميزتين تحويليتين لمقياس عددي ثم أرسل الناتج إلى نموذج. عبارة «نطرح ثم نربع» تصف وظيفة تختلف عن «نربع ثم نطرح»، حتى لو احتوت القائمتان الاسمين نفسيهما. هذا مثال لتجهيز مدخل، لا نتيجة تدريب أو مقارنة أداء.
ماذا يحدث عند المدخل خمسة؟
نعلن الصيغ مسبقا: التحويل الأول يطرح 3 من مدخله، والثاني يربع مدخله. العدد 3 ثابت اخترناه للتوضيح قبل النظر في البيانات؛ ليس متوسط تدريب تعلمناه من صفوف.
في المسار الأول دخل 5 إلى الطرح، ثم دخل 2 إلى التربيع. في المسار الثاني دخل 5 إلى التربيع، ثم دخل 25 إلى الطرح. كتابة القيم الوسيطة تجعل سبب اختلاف النتيجتين قابلا للمراجعة.
لم ننشئ كائن Pipeline أو نستدع مكتبة، ولم نلائم نموذجا. الجدول اشتقاق يدوي للصيغ المعلنة، وتحقق الحساب منفصل عن التحقق من إعداد برنامج حقيقي.
| الترتيب المفترض | خرج الخطوة الأولى | خرج الخطوة الثانية |
|---|---|---|
| طرح 3 ثم التربيع | 5−3=2 | 2²=4 |
| التربيع ثم طرح 3 | 5²=25 | 25−3=22 |
هل الاختلاف يحكم على جودة المسار؟
المثال ينقض افتراض أن كل تبديل يحفظ الناتج. لكنه لا يقول إن الطرح أولا هو الاختيار المناسب لكل مهمة، أو إن اختلاف القيم يرفع الدقة أو يخفضها. يحتاج هذا القرار سؤالا واضحا وتقييما مناسبا.
ولا نعمم الاختلاف على جميع أزواج العمليات؛ جمع ثابتين، مثلا، قد يعطي النتيجة نفسها في الترتيبين. نراجع العلاقة المحددة بدلا من تحويل مثال واحد إلى قاعدة تمنع إعادة الترتيب مطلقا.
قد يتغير أيضا معنى الصيغة إذا أضفنا قيدا على المجال أو عدلنا الثابت. هذه قرارات تحتاج وصفا مستقلا؛ لا نخفيها تحت اسم عام مثل «تهيئة البيانات».
ماذا نحفظ لإعادة تجهيز المدخل؟
نقترح سجلا يتضمن صيغة كل خطوة ورقمها والثوابت ومجال المدخل وأي قيم وسيطة مفيدة للفحص. إذا وصل وصفان مختلفان، نقارنهما على هذه العناصر قبل اعتبارهما مسارا واحدا.
عندما تكون الخطوات متعلمة، نضيف حالة التعلم والصفوف التي استعملت لتقديرها. مسألتنا الحالية لا تحتوي هذه الحالة؛ لذا لا نستنتج منها أن تعلم المعالجة على كامل البيانات آمن.
نحتفظ بمثال صغير يمكن حسابه ومقارنته بالتنفيذ عند تشغيله لاحقا. نجاح حساب 5 هنا يثبت الحساب المعلن فقط، ولا يثبت توافق جميع أنواع المدخلات أو صلاحية المسار للنموذج المقصود.
المصادر ومتابعة القراءة
أُعدّ هذا المقال بصياغة عربية أصلية بالاستناد إلى المصادر أعلاه، وهو مدخل تمهيدي إلى الموضوع. اقرأ منهجية المحتوى وحدوده.