حد ندرة الفئة ليس عددا له المعنى نفسه في كل إعداد. في OneHotEncoder يمكن أن نختار عددا صحيحا للتكرار أو كسرا يرتبط بعدد صفوف التدريب. نؤلف ثمانية صفوف لفئتين، ونضع إحداهما على حد النسبة نفسه، كي يظهر الفرق دون خلط الندرة بصحة الاسم.
الخلاصة السريعة
لا؛ في مثال فئة تظهر مرتين من ثمانية، الحد الصحيح 3 يعدها نادرة، بينما الكسر 0.25 يصنع حدا 2 فلا يكون تكرارها أقل منه.
- يعني min_frequency الصحيح عددا، والكسري نسبة من عدد صفوف التدريب؛ الندرة دون الحد. [1]
- نؤلف أ مرتين وب ست مرات، ونقارن إعدادين دون حذف أو حد أقصى للفئات. عند 3 الصحيح تكون أ تحت الحد؛ عند 0.25 يكون الحد 2 فتساويه أ ولا تكون تحته.
- إذا ضاعفنا الصفوف ثم أعدنا تحديد الفئات في مثال آخر، يصبح التكراران 4 و 12. لا تقع أ تحت الحد الصحيح 3 أو الحد النسبي 4 ، رغم بقاء حصتها ربع الصفوف.
- احفظ نوع الحد والمقام وتكرار الفئة ونسخة التدريب. نادر وفق الإعداد لا يعني خاطئا أو مجهولا؛ تغيير أعداد التهيئة غير مجرد وصول صف لاحق إلى خريطة ثابتة.
ما الفرق بين عدد التكرارات وحصة الصفوف؟
يحدد التوثيق الندرة بتكرار أقل من min_frequency الصحيح، أو أقل من min_frequency مضروبا في عدد الصفوف إذا كان كسريا. [1]
نقارن هنا العدد الصحيح 3 بالكسر 0.25 ، لا نتيجتين لكتابة متشابهة ننقلها بلا تفسير. الأول حد عددي للتكرار؛ الثاني يحتاج إلى مقام، وهو عدد صفوف التدريب في المسألة. ونفصل هذا عن ترميز كل فئة بتكرارها بوصفه ميزة عددية.
نحدد عمودا واحدا بقيم معلومة، ولا نختار حدا أقصى للفئات أو حذف خانة مرجعية. المقارنة تعزل حد الندرة وحده؛ أي تغيير إضافي في الإعداد يحتاج إلى وصف مستقل قبل قراءة عدد الخانات.
كيف يختلف القرار عند التكرار 2 ؟
نؤلف ثمانية صفوف: اثنان من الفئة أ وستة من الفئة ب. في إعداد العدد الصحيح 3 ، التكرار 2 أقل من 3 ؛ تقع أ في جهة الندرة. التكرار 6 ليس أقل من 3 ، فتبقى ب خارج تلك الجهة.
في الإعداد الكسري 0.25 نحسب ربع 8 ، أي 2. تكرار أ يساوي هذا الحد، ولا يقع دونه؛ وب أيضا ليست دونه. لا نحول كلمة «دون» إلى «دون أو يساوي» عند الحالة الواقعة على الحد.
أ لم تتغير بين الإعدادين. الفرق هو معنى العدد الذي استخدمناه في المقارنة، مع ثبات السجلات الثمانية. لا نقول إن إحدى السياسات كشفت فئة غير صحيحة؛ هي فئة معروفة وقع تكرارها على جانب مختلف من حد معلن.
| إعداد المثال | الحد العددي عند 8 صفوف | تكرار أ | هل أ دون الحد؟ |
|---|---|---|---|
| min_frequency عدد صحيح 3 | 3 | 2 | نعم |
| min_frequency كسر 0.25 | 2 | 2 | لا؛ مساوية للحد |
ماذا يحدث إذا ضاعفنا جدول التهيئة؟
نبني حالة تهيئة ثانية بتكرار كل صف مرتين. تصبح أ أربع مرات وب اثنتي عشرة مرة، والمجموع 16. حصتا الفئتين بقيتا الربع وثلاثة الأرباع، لكن العددين المطلقين تضاعفا.
عند الحد الصحيح 3 ، التكرار الجديد لأ وهو 4 ليس دونه. وعند الكسر 0.25 يصبح الحد ربع 16 ، أي 4 ؛ تتساوى أ معه أيضا. في هذه الحالة تكون أ خارج الندرة في الإعدادين، بخلاف اختلاف القرار في الجدول الأول.
هذا مقارنة بين جدولَي تهيئة معلنين، مع إعادة تحديد العضوية على أعدادهما. لم نضف صفا أثناء تحويل بخريطة محفوظة ونزعم أن عضوية الفئة تغيرت وحدها؛ وصول مدخل لاحق واستبدال أساس التهيئة عمليتان مختلفتان.
كيف نصف الندرة في تقرير التجهيز؟
اكتب «أ تحت حد التكرار 3 في جدول من ثمانية صفوف» أو «أ مساوية لربع الصفوف في الجدول نفسه»، بدلا من كلمة نادرة بلا أساس للمراجعة. بذلك يعرف القارئ المقام ونوع السياسة وحالة المساواة.
احفظ التكرارات الأصلية والإعداد ونسخة البيانات التي حددت عليها الفئات. ولا تساو بين الندرة والجهل باسم الفئة أو خطأ السجل أو قلة أهميته. مثالنا يفحص حدين حسابيين؛ لم ننفذ أداة تجميع أو نختبر أثرها على نموذج، ولا نقدم الحد الصحيح أفضلية عامة على النسبي.
المصادر ومتابعة القراءة
- 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.