ترميز أحادي لعمودين لا يجعل كلمة «جاهز» خانة مشتركة لمجرد تكرارها. إذا وصفت حالة طابعة وحالة ماسحة، نحتاج معرفة الجهاز الذي تخصه الحالة. نبني تمثيلا كاملا لفئتين معروفتين في كل عمود، ونرى ما يضيع عندما نجمع أسماء الفئات وحدها.
الخلاصة السريعة
لا؛ هوية الخانة تشمل العمود الذي جاءت منه الفئة. «جاهز» في حالة الطابعة و«جاهز» في حالة الماسحة موضعان منفصلان في مثالنا.
- ينشئ OneHotEncoder خانات ثنائية للفئات داخل كل ميزة. [1]
- نحدد فئتي جاهز ومتوقف لكل من الطابعة والماسحة، دون حذف أو تجميع أو قيم جديدة. أربع خانات تمثل العمودين؛ صف كلاهما جاهز يملك واحدا في خانة كل جهاز.
- طابعة متوقفة وماسحة جاهزة تختلف عن طابعة جاهزة وماسحة متوقفة؛ قائمة أسماء جاهز ومتوقف وحدها تخفي هذا الربط رغم تساوي عدد الأسماء.
- اكتب اسم المصدر والفئة وترتيب الخانات مع التمثيل. أربع خانات لا تعني أربع عينات، والواحد يشير إلى حالة مسجلة ولا يثبت جاهزية جهاز فعلي.
ما الذي نعده ميزة في المدخل؟
تعرض الوثائق ترميزا ثنائيا لفئات كل ميزة. [1]
نؤلف جدول حالات بعمودين: حالة الطابعة وحالة الماسحة. نختار يدويا الفئتين المعروفتين «جاهز» و«متوقف» بهذا الترتيب في كل عمود. نحتفظ بالفئتين جميعا، ولا نجمع نادرا أو نحذف مرجعية أو نضيف حالة غائبة.
في هذا الإعداد تكون لكل ميزة مجموعة خاناتها. سمينا مجموعة الطابعة أولا، ثم مجموعة الماسحة؛ هذه أسماء عرض وضعناها لسهولة القراءة، لا ناتج تشغيل دالة أسماء. الكلمة نفسها لها مصدران مختلفان داخل صف واحد.
كيف نقرأ أربع خانات في صف؟
نكتب للطابعة خانتي جاهز ومتوقف، وللماسحة خانتي جاهز ومتوقف. في كل مجموعة نضع 1 للحالة المختارة و 0 للأخرى، وفق خريطة المثال الكاملة. لذلك يحمل صف كلاهما جاهز واحدين، لا واحدا واحدا لقائمة عامة من الكلمات.
إذا توقفت الطابعة وحدها، نضع الواحد في خانة الطابعة المتوقفة وفي خانة الماسحة الجاهزة. وإذا توقفت الماسحة وحدها، يتبدل موضع الواحد في المجموعتين كما في الجدول. لا نعني بالأصفار بيانات مفقودة؛ كل حالة في هذه الصفوف معروفة ضمن تعريفنا.
يبقى عدد الصفوف في العرض ثلاثة. أما الأعمدة الأربعة فهي مواضع تمثيل، فلا نضاعف عدد السجلات لأننا استبدلنا عمودي النص بهذه الخانات.
| الحالة المؤلفة | طابعة: جاهز | طابعة: متوقف | ماسحة: جاهز | ماسحة: متوقف |
|---|---|---|---|---|
| الجهازان جاهزان | 1 | 0 | 1 | 0 |
| الطابعة متوقفة وحدها | 0 | 1 | 1 | 0 |
| الماسحة متوقفة وحدها | 1 | 0 | 0 | 1 |
ماذا نفقد عند جمع أسماء الفئات وحدها؟
نأخذ صف الطابعة المتوقفة والماسحة الجاهزة. مجموعة الكلمات فيه هي جاهز ومتوقف. ونأخذ الصف التالي، للطابعة الجاهزة والماسحة المتوقفة؛ مجموعة الكلمات نفسها موجودة. لو اكتفينا بذكر الاسمين دون العمود، لتعذر التمييز بين الصفين.
ليس الخلل في تكرر الكلمة أو في عدد الفئات المعروف. حذف مصدرها هو الذي محا من كان متوقفا. خانات الطابعة والماسحة المنفصلة تبقي هذا التفصيل في خريطتنا، مع أن كلا الجهازين يستعمل المفردتين نفسيهما.
هذا يختلف عن الاحتفاظ بقاموس واحد لعمود واحد. هنا نحدد أولا حدود الميزتين، ثم فئات كل منهما. ولا نخلط الترميز الأحادي الكامل بترميز هدف التصنيف أو بجمع عدة حالات داخل حقل واحد.
كيف نراجع الربط قبل تسليم التمثيل؟
أرفق ترتيب الأعمدة الأصلية، وقائمة فئات كل عمود، وأسماء الخانات الناتجة وترتيبها. اختبر على الورق حالة كلاهما جاهز وحالتي توقف جهاز واحد؛ تستطيع بذلك مراجعة موضع كل واحد دون تخمين الاسم من ترتيب عارض.
وفسر الأرقام ضمن هذا العرض: 1 لحالة اختيرت و 0 للحالة الأخرى في المجموعة. لا تثبت الخانات صحة خبر الجاهزية أو تاريخ تسجيله؛ نحتاج إلى مصدر السجل لذلك. لم نرصد أجهزة أو نستدع أداة ترميز، والمقارنة هنا تحفظ مصدر الفئة في بيانات مؤلفة.
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.