حجم الاختبار في GroupShuffleSplit يحدد مجموعات كاملة، لا نسبة مباشرة من صفوف البيانات. عندما تختلف أحجام المجموعات، قد يؤدي اختيار العدد نفسه منها إلى أعداد صفوف مختلفة كثيرا. لذلك نوضح وحدة الحجم قبل تفسير الرقم بوصفه تغطية للبيانات.
الخلاصة السريعة
test_size في هذا الإجراء يخص عدد المجموعات أو نسبتها، وليس نسبة الصفوف؛ نعد الصفوف الفعلية بعد معرفة المجموعات المختارة.
- تحدد وثائق GroupShuffleSplit أحجام التدريب والاختبار بوحدة المجموعات. الكسر للاختبار نسبة مجموعات تقرب إلى الأعلى، والعدد الصحيح عدد مجموعات. [1]
- نؤلف 3 مجموعات أحجامها 1 و 2 و 7 صفوف، أي 10 إجمالا. اختيار مجموعة اختبار واحدة قد يعطي 1 أو 2 أو 7 صفوف:10% أو 20% أو 70%.
- عند test_size=0.2 نطلب 20% من 3 مجموعات، فيقرب 0.6 إلى مجموعة واحدة. النسبة المحققة للمجموعات ثلث، ولا نستنتج منها 20% من الصفوف.
- قد تتكرر مجموعة في اختبار تقسيمين عشوائيين مختلفين؛ هذا يختلف عن تداخل التدريب والاختبار داخل تقسيم واحد. نحفظ العضوية والأعداد الفعلية ولا نتوقع أي مجموعة سيختارها التنفيذ.
ما الذي يعده معامل الحجم؟
توضح وثائق GroupShuffleSplit أن test_size وtrain_size يرجعان إلى المجموعات لا العينات؛ وكسر test_size يقرب عدد مجموعاته إلى الأعلى. [1]
نفترض معرفات مجموعات صحيحة وغير متداخلة، وكل صف يتبع مجموعة واحدة. نركز على وحدة العد بعد حسم هذه العضوية، لا على العثور على أسماء بديلة للكيان.
قد تحتوي مجموعة سجلا واحدا وأخرى عدة سجلات. مع الحفاظ على المجموعة كاملة، لا نستطيع تحويل «مجموعة واحدة» إلى عدد صفوف ثابت دون الرجوع إلى المجموعة المختارة.
كيف تختلف نسبة الصفوف رغم ثبات عدد المجموعات؟
نؤلف ثلاث مجموعات أحجامها 1 و 2 و 7 ، ونختار test_size=1 كعدد صحيح. يعرض الجدول الاحتمالات حسب المجموعة التي ستختار، لا نتيجة بذرة أو تجربة عشوائية نفذناها.
إذا تركنا حجم التدريب ليكون الباقي، فالأعداد المكملة للصفوف 9 أو 8 أو 3 على الترتيب. بقي عدد مجموعات الاختبار واحدا وعدد مجموعات التدريب اثنتين، بينما تغير عدد صفوف كل جانب.
لا يدل صف 70% على أن الإجراء أخطأ في طلب مجموعة واحدة. اختلاف وحدة الطلب عن وحدة التقرير هو سبب الالتباس؛ نكتب كلا العددين بوضوح.
| المجموعة المختارة افتراضا للاختبار | عدد صفوف الاختبار | نسبتها من 10 صفوف |
|---|---|---|
| الأولى | 1 | 10% |
| الثانية | 2 | 20% |
| الثالثة | 7 | 70% |
ماذا يعني طلب نسبة عشرين بالمئة؟
في الإعداد الكسري test_size=0.2 نحسب 0.2×3=0.6 مجموعة، ثم يصبح عدد مجموعات الاختبار واحدة بعد التقريب إلى الأعلى. النسبة المحققة للمجموعات 1÷3 ، أي نحو 33.3%، وليست 20% تماما.
يمكن أن يكون عدد الصفوف في هذه المجموعة 1 أو 2 أو 7 كما في الجدول. لا يجعل ظهور 20% من الصفوف في أحد الاحتمالات هذا تفسيرا عاما للمعامل.
لم نشغل المكتبة أو نفترض احتمالات اختيار متساوية في تجربة. الحساب يبين وحدة المعامل والتقريب وفق المجموعة المؤلفة، ولا يقدم توقعا لاسم المجموعة التي ستظهر.
كيف نقرأ عدة تقسيمات مختلفة؟
تذكر الوثائق أن مجموعات الاختبار في تقسيمات عشوائية مختلفة قد تتداخل. [1]
إذا اختيرت المجموعة الثانية للاختبار في مرة ثم اختيرت مرة أخرى في تقسيم آخر، لا نستنتج أنها دخلت أيضا تدريب المرة نفسها. نقارن عضوية كل تقسيم داخليا، ثم نصف التكرار بين التقسيمات بوصفه مسألة أخرى.
نقترح حفظ الإعداد ومعرفات المجموعات المختارة وعدد صفوف كل جانب، ثم حساب نسب الفئات أو الفترات إذا احتاج سؤال التقييم ذلك. العدد المطلوب من المجموعات لا يضمن هذه التوازنات، ولا يمثل قياسا لجودة نموذج.
المصادر ومتابعة القراءة
- scikit-learn: GroupShuffleSplit (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.