مؤشر القيم المفقودة يحتفظ بمعلومة قد تختفي من شكل الجدول بعد ملء الفراغ. إذا رأينا الرقم 9 مرتين، فقد يكون مرة قياسا ومرة قيمة تعويض. لا يوضح الرقم وحده الفرق. لذلك نضع في المثال علامة مستقلة للغياب الأصلي، ونراجع أي أعمدة تعرضها أداة المؤشر.
الخلاصة السريعة
احفظ علامة الغياب قبل الملء، وحدد الأعمدة التي سيعرضها المؤشر؛ العلامة لا تملأ القيمة ولا تثبت سبب غيابها.
- في جدولنا التعليمي تعني العلامة 1 أن القيمة كانت غائبة، و0 أنها كانت معلومة؛ هذا اصطلاح العرض الذي اخترناه.
- تختار missing-only أعمدة MissingIndicator التي شهدت غيابا وقت fit؛ وتعرض all كل الأعمدة. [1]
- مع missing-only وerror_on_new=True، يظهر خطأ عند transform إذا غابت قيمة في عمود كان مكتملا وقت fit. [1]
- راجع أسماء أعمدة المؤشر مع النسخة المشتقة؛ وجود علامة الغياب لا يضمن صحة التعويض أو تحسن أداء النموذج.
ما الفرق بين القيمة وعلامة الغياب؟
نفترض قصاصتين ورقيتين: الأولى سجل طولها 9 سنتيمترات، والثانية لم يسجل طولها. ونختار للثانية قيمة تعويض مفترضة تساوي 9. يظهر الرقم نفسه بعد الملء، لكن المعلومتين لم تأتيا من المصدر نفسه. نحدد علامة الغياب من الإدخال قبل تعبئته، لا من مقارنة الرقم بالوسيط بعد ذلك.
- العلامة 1 لا تقول إن الطول الحقيقي صفر أو 9، ولا تقول لماذا غاب القياس.
- التفسير 1/0 اصطلاح تعليمي معلن، وليس ادعاء أن الأداة تعيد أعدادا بهذا النوع.
| القصاصة المفترضة | الطول في النسخة المشتقة | علامة الغياب الأصلي باصطلاحنا |
|---|---|---|
| طول معلوم | 9سم | 0 |
| طول غائب ثم معوض | 9سم | 1 |
أي أعمدة تشملها الأداة؟
تعرض MissingIndicator قناعا منطقيا للغياب. تحت features="missing-only" الافتراضي تختار الأعمدة التي كانت فيها قيم مفقودة وقت fit، بينما features="all" يشمل جميع الأعمدة. [1]
لنأخذ بيانات تدريب مفترضة بعمودي الطول والعرض. توجد أطوال غائبة، لكن كل العروض معلومة. إذا اختير missing-only، يمثل المؤشر عمود الطول فقط. لا نستنتج من ذلك أن العرض لن يغيب مستقبلا؛ اختيار الأعمدة مبني على ما ظهر وقت التهيئة.
ونفصل بين إنشاء قناع للغياب وملء القيم العددية. يحتاج المثال مسارين واضحين: قيمة مشتقة ومعلومة الغياب الأصلية. القناع وحده لا يحسب طولا بديلا للقصاصة.
ماذا لو ظهر غياب في عمود كان مكتملا؟
مع features="missing-only" وerror_on_new=True، ترفع transform خطأ إذا ظهر غياب في عمود لم يشهد غيابا وقت fit. ينطبق هذا الشرط على missing-only. [1]
في مثال التدريب السابق، وصول عرض غائب لاحقا يحقق هذه الحالة عند استخدام الإعدادين المذكورين. لا نصفه بأنه خطأ في كل سياسة مؤشر؛ هناك فرق بين اختيار أعمدة محددة وإعداد all الذي يمثل العمودين. لم نشغّل أداة على هذه القصاصات، ونشرح حالة الإعداد الموثقة فقط.
كما لا ننقل حكم أداة MissingIndicator المستقلة إلى أي برنامج آخر يحمل خيار إضافة مؤشر. نراجع الأداة والإعداد المستخدمين فعلا، ونكتب أسماء الأعمدة المتوقعة في المخرجات.
كيف نراجع المؤشر مع بقية البيانات؟
نقترح حفظ تعريف علامة الغياب وأسماء أعمدتها وترتيبها وبيانات التهيئة. عند مقارنة نسختين نراجع الحقول التي تغيرت، بدلا من الاعتماد على عدد الأعمدة وحده. وقد تكون هناك قيمة غائبة أصلية وقيمة غير منطبقة على الحالة؛ العلامة البسيطة لا تشرح الفرق بين أسباب الغياب.
المؤشر معلومة إضافية يمكن تقييم استخدامها وفق المهمة. لا نفترض أنه يعيد القياس الحقيقي أو يرفع الدقة بمجرد وجوده. نحتاج تقييما مناسبا للأثر إن أردنا هذا الاستنتاج؛ المقال يشرح حفظ حالة الغياب وحدود اختيار الأعمدة فقط.
المصادر ومتابعة القراءة
- scikit-learn: MissingIndicator (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.