نسبة الغياب عبر الزمن قد ترتفع حتى عندما يبقى معدل الغياب داخل كل مجموعة ثابتا. يتغير الإجمالي إذا ازدادت حصة مجموعة ينقص فيها التسجيل أكثر. لذلك لا نقرأ خطا صاعدا في تقرير إعداد بيانات الذكاء الاصطناعي على أنه تشخيص لعطل جهاز أو تراجع نموذج. نراجع من دخل المقارنة وكيف عرّفنا الغياب.
الخلاصة السريعة
ثبت تعريف الغياب وطريقة العد، ثم قارن حجم المجموعات ومعدل كل منها مع الإجمالي؛ تغير النسبة لا يحدد سببه وحده.
- كرر التقييم بالطريقة نفسها للمقارنة عبر الزمن، وحدث وصف البيانات مع تحديثها. [1]
- في المثال ترتفع نسبة الغياب الإجمالية من 2٪ إلى 30٪؛ لأن حصة ب زادت من 4 إلى 60 سجلا من 100.
- معدل الغياب داخل أ ثابت 0٪ وداخل ب ثابت 50٪ في الفترتين؛ ارتفاع الإجمالي لا يثبت زيادة داخل المجموعة.
- احفظ البسط والمقام والفترة وتعريف الغياب ومزيج المجموعات؛ لا تشخص أداء نموذج من هذا المؤشر وحده.
ما الذي نثبته كي تكون المقارنة مفهومة؟
توصي إرشادات GOV.UK بإعادة تقييم الجودة بالطرائق نفسها للمقارنة عبر الزمن، وتحديث البيانات الوصفية عندما تتحدث مجموعة البيانات. [1]
نقترح متابعة حقل طول البطاقة قبل أي تعويض. نستخدم في الفترتين التعريف نفسه للقيمة الغائبة والصف المؤهل، والفترة نفسها من حيث المدة. إذا صارت كلمة معينة تعامل كغياب بعد أن كانت قيمة صالحة، فلن يمثل ارتفاع النسبة السؤال نفسه.
ونحفظ عدد القيم الغائبة وعدد الصفوف التي شملها الفحص. كلمة «30٪» وحدها لا تبين إن كنا فحصنا صفوفا أكثر أو استبعدنا مسارا أو غيّرنا الحقل المطلوب. هذه سياسة للشرح، لا نتائج فحص ملف قائم.
كيف يرفع مزيج المجموعات الإجمالي؟
لدينا في كل فترة 100 بطاقة افتراضية تصل عبر مسارين أ وب. نفترض عدم غياب أي طول في أ، وغياب النصف في ب، في الفترتين. يتغير فقط عدد البطاقات القادمة من كل مسار.
- في الأولى يغيب طول بطاقتين من 100، وفي الثانية 30 من 100.
- داخل أ يبقى المعدل 0 من 96 ثم 0 من 40، أي 0٪ في الحالتين.
- داخل ب يبقى المعدل 2 من 4 ثم 30 من 60، أي 50٪ في الحالتين؛ زاد وزن المجموعة في الإجمالي.
| الفترة المفترضة | أ: عدد الصفوف والغائب | ب: عدد الصفوف والغائب | الغياب الإجمالي |
|---|---|---|---|
| الأولى | العدد 96؛ الغائب 0 | العدد 4؛ الغائب 2 | غائبتان من 100؛ النسبة 2٪ |
| الثانية | العدد 40؛ الغائب 0 | العدد 60؛ الغائب 30 | غائبة 30 من 100؛ النسبة 30٪ |
ما الذي لا تثبته النسبة المرتفعة؟
في هذا المثال يصح أن نقول إن النسخة الثانية تحتوي نسبة أكبر من الأطوال الغائبة. لكنه لا يصح أن نقول إن التسجيل داخل ب تدهور، لأننا فرضنا ثبات معدله. ولا نعرف من الأعداد وحدها لماذا تغير مزيج المسارين أو ما تأثيره على مهمة التنبؤ.
وقد يحدث في بيانات أخرى تغير داخل المجموعات أيضا. المثال لا ينفي هذه الإمكانية؛ يبين أن الإجمالي وحده لا يفصلها عن تغير التركيب. نحتاج معدلات وأعدادا داخل كل مجموعة مناسبة للسؤال، مع الانتباه إلى المجموعات التي لا تملك صفوفا في إحدى الفترتين.
لا نحول مؤشر الغياب إلى تقييم لدقة نموذج لم نختبره. كما لا نسمي المجموعة ب غير صحيحة لمجرد أن أطوالا أكثر غابت فيها؛ الغياب حالة معلومات تحتاج تفسيرها.
ما المعلومات التي ترافق التقرير؟
نقترح عرض تعريف الحقل والغياب والفترة ونسخة المصدر، ثم البسط والمقام والإجمالي وأعداد كل مسار. ونميز التغير الملاحظ من السبب الذي ما زال يحتاج تحقيقا. إذا تغيرت سياسة الجمع أو معالجة الرموز، نذكر ذلك مع المقارنة كي لا تختفي المعلومة وراء رقم واحد.
في مثالنا العبارة المناسبة: ارتفع الغياب الإجمالي مع زيادة حصة ب، بينما بقي المعدلان المفترضان داخل المسارين ثابتين. لا تعني هذه العبارة أننا قسنا نظاما حقيقيا أو وجدنا علاجا له. نحفظ الحساب والافتراض معا، ونراجع ما يلزم للمهمة قبل اتخاذ إجراء.
المصادر ومتابعة القراءة
أُعدّ هذا المقال بصياغة عربية أصلية بالاستناد إلى المصادر أعلاه، وهو مدخل تمهيدي إلى الموضوع. اقرأ منهجية المحتوى وحدوده.