قراءات عربية في العلوم والتقنية والطبيعة والثقافة، تبدأ بسؤال وتترك لك مساحة للاستكشاف.
2302 مقال
فحص القيم المحدودة يختلف عن البحث عن NaN فقط. قد يستبعد مسار تجهيز بيانات الذكاء الاصطناعي حالة واحدة ويبقي حالات لا يقصد قبولها. نضع أربع قيم معلنة ونقرأ جواب كل فحص، ثم نفصل نتيجة الفحص عن قرار حذف السجل أو تعويضه.
مجال int8 ونتيجة الجمع يوضحان الفرق بين صحة الحساب وقدرة نوع التخزين على تمثيل الناتج. قد تدخل القيمتان الأصليتان في المجال بينما يخرج مجموعهما منه. نختار جمعا بسيطا كي نراجع الحد قبل أن نكتب رقما في حقل يستخدم مع بيانات الذكاء الاصطناعي.
التباين بعد ضم مجموعتين لا يمكن استعادته من متوسطيهما وعدديهما وحدهما في كل حالة. المتوسط يصف مركز الأعداد، ولا يبين وحده انتشارها حوله. نؤلف ملفين لهما الملخص نفسه، ثم نحسب التباين لكل ملف لنعرف المعلومة التي أخفاها الملخص.
تقريب المنتصف في NumPy قد يخالف توقع أن كل عدد ينتهي بنصف يرتفع دائما. نحدد قاعدة التقريب وعدد المنازل أولا، ثم نتبع أمثلة تمثل المنتصف بالضبط. يفيد ذلك عند مراجعة أعداد مشتقة من بيانات نموذج، قبل تفسير فرق النتيجة على أنه خطأ حساب.
إضافة ثابت والانحراف المعياري سؤال يظهر عند تعديل عمود ميزات قبل استخدامه في تحليل أو تعلم آلة. لا تكفي عبارة «أضفنا 100» لمعرفة أثر التحويل؛ نحتاج معرفة هل أضيفت إلى جميع القيم أم إلى قيمة واحدة. نؤلف قائمة صغيرة، ونثبت تعريف الحساب، ثم نفصل انتقال المركز عن تغير التشتت.
المئين مع القيم المفقودة يتطلب قرارا واضحا بشأن الغياب. قد نعثر على دالة تتجاهل NaN، ثم نصف العملية خطأ بأنها عوضت البيانات. نؤلف ثلاثة أعداد ومكانا مفقودا، ونقارن التجاهل بإضافة بديل معلن، لنعرف كيف يتغير العدد والترتيب في الحساب.
نهاية شارب الرسم الصندوقي قد تقرأ خطأ على أنها أصغر قيمة وأكبرها في البيانات. يتضح الالتباس حين يحتوي ملف ميزات على قيمة بعيدة تظهر كنقطة منفصلة. نعلن إعداد الشوارب والربيعين، ثم نميز الحد المحسوب عن القيمة المرصودة التي يصل إليها الخط فعلا.
كثافة المدرج والفئات غير المتساوية تحتاج قراءة المحور الأفقي مع المحور الرأسي. قد نرى عمودين بارتفاع واحد، فنفترض أن فيهما العدد نفسه، مع أن عرض أحدهما ضعف الآخر. نؤلف أعدادا وحدودا بسيطة، ثم نقارن رسم الأعداد برسم الكثافة دون خلط ارتفاع العمود بنصيب الفئة.
حدود الفئات في NumPy histogram تحدد أين تدخل قيمة تساوي طرفا مشتركا بين فئتين. قد يؤدي عدها في الجانبين إلى تغيير الأعداد، أو يؤدي استبعاد الطرف الأخير إلى فقد حالة. نؤلف قائمة ذات حدود معلنة، ونراجع كل قيمة وفق عقد الدالة قبل قراءة المدرج.
تداخل النقاط في مخطط التشتت قد يخفي عدد الحالات في ملف ميزات. عند رسم علامات معتمة ومتطابقة، يمكن لعدة حالات في الإحداثيات نفسها أن تبدو كنقطة واحدة. نؤلف أربع حالات ذات معرفات مختلفة، ونقارن عددها بعدد المواضع في الرسم قبل تفسير الشكل على أنه سجل كامل للأعداد.
نسبة الصف ونسبة العمود تجيبان عن سؤالين مختلفين حتى حين تقسمان العدد نفسه في جدول تقاطعي. قد يصل جدول نسب إلى مسار تحليل ميزات أو تقرير نموذج دون شرح المقام، فيقرأه المراجع على أنه تعداد للحالات. نؤلف جدولا صغيرا، ونحسب ثلاث نسب للخلية نفسها مع تسمية كل مقام.
مجموع النسب بعد التقريب قد يزيد على 100 في جدول، رغم أن الفئات تقسم الحالات كلها دون تداخل. يتطلب فهم الفرق مراجعة الأعداد والمقام وقاعدة العرض، قبل إضافة حالة مفقودة أو تغيير الخلية الأخيرة. نؤلف سبع حالات موزعة على ثلاث فئات، ونقارن الحصص الدقيقة بما يظهر عند عرض منزلة عشرية واحدة.
معامل بواسون والفترة الزمنية يجب أن يقرآ معا عند إعداد مثال لمحاكاة مدخلات نظام. العدد 3 قد يعني معدلا لكل عشر دقائق، أو عددا متوقعا في نصف ساعة؛ وهذان وصفان مختلفان. نعلن معدلا افتراضيا ثابتا، ونحسب العدد المتوقع لفترتين، ثم نفصل معلمة التوزيع عن العدد الذي قد يسجل فعلا.
احتمال بالضبط وعلى الأكثر قد يختلفان رغم استخدام العدد نفسه في السؤال. عند قراءة ملخص احتمالي لبيانات نموذج، لا يكفي أن نعرف أنه يتحدث عن نجاحين؛ نحتاج معرفة النتائج التي يضمها الحدث. نؤلف أربع محاولات ثنائية مستقلة، باحتمال نجاح نصف لكل محاولة، ونراجع الحدثين قبل اختيار الدالة.
عدد المحاولات والإخفاقات في التوزيع الهندسي قد يختلف بمقدار واحد دون تغير مسار النتائج. عندما نقرأ مخرجا احتماليا أو ننقله بين أدوات، نحتاج تعريف ما يعده المتغير. نؤلف مسارا ينتهي بأول نجاح، ثم نقارن عد المحاولات الشامل للنجاح بإحصاء الإخفاقات السابقة له.
الانتظار المتبقي في التوزيع الأسي قد يفسر خطأ على أنه موعد يقترب من الحسم كلما مر وقت أطول. نحدد نموذجا احتماليا افتراضيا بلا إزاحة، ثم نحسب احتمال تجاوز أربع دقائق إضافية بعد انتظار خمس. تساعد المقارنة على فصل قانون النموذج عن مهلة خدمة أو زمن واقعي لم نقسه.
الأوزان والاحتمالات في NumPy choice ليستا مدخلين متطابقين لمجرد أن الأرقام تحدد تفضيل الخيارات. قد نكتب 2 و 5 و 3 كأوزان نسبية، ثم نعاملها خطأ كاحتمالات مباشرة. نؤلف قائمة من ثلاثة خيارات، ونحول أوزانها إلى احتمالات مع حفظ ترتيب الربط قبل التفكير في أي سحب عشوائي.
عدد المحاولات وsize في multinomial قد يخلطان حين نقرأ مصفوفة أعداد فئات على أنها قائمة نجاحات مفردة. نحتاج تحديد عدد المحاولات في كل تكرار، وعدد تكرارات المتجه، وعدد الفئات. نؤلف إعدادا صغيرا وجدول نواتج ممكنة، دون توليد عشوائي، كي يظل كل مستوى من العد واضحا.
