تحجيم بالوسيط والمجال الربيعي: هل يحذف القيم البعيدة؟

الخلاصة السريعة

لا؛ التحجيم بالوسيط والمجال الربيعي يغير تمثيل القيم وفق إحصاء محفوظ، ولا يصبح بحد ذاته قاعدة حذف أو قص.

• يزيل RobustScaler الوسيط ويستخدم فرق الربيعين للتحجيم في إعداده المعتاد؛ تحفظ الإحصاءات من التدريب. ^[1] نثبت التمركز والتحجيم ونترك unit_variance=False.
• نفترض حالة معلومة بوسيط 10 وربيعين 8 و 12 ؛ مدى 4. القيم 6 و 10 و 30 تصبح سالب 1 و 0 و 5 ، مع بقاء الصفوف الثلاثة.
• العدد 5 لم يقص إلى 1 ، والقيمة البعيدة لم تحذف. اختيار مرجع مقاوم لا يجعل كل قيمة صحيحة أو غير مؤثرة في خطوة لاحقة.
• وثق الإحصاء والخيار والأصل وأي سياسة مستقلة للكشف أو الحذف؛ لم نتعلم الربيعين من ملف أو نختبر دقة نموذج.

ما المرجع الذي يختلف عن المتوسط؟

تصف الوثائق طرح الوسيط والتحجيم حسب الفرق بين الربيعين الافتراضيين 25 و 75 ، مع حفظ الإحصاء للاستخدام اللاحق. ^[1]

نعلن التمركز والتحجيم مفعلين، وunit_variance=False. معنى المجال الربيعي هنا فرق قيمتي الربيعين، وليس فحصًا يقرر أن كل ما يقع خارجه خطأ. نثبت إحصاء الحالة قبل المثال كي نعزل ما يفعله التحويل للمدخل.

لا نحسب في المقال ربيعات عينة مجهولة، ولا نختار اتفاقية لاستيفاء مواضعها ثم نخفيها. المعطى التدريبي في تمريننا هو الإحصاء نفسه، والغرض قراءة التحويل منه. إذا كان المطلوب استخراج ذلك الإحصاء من سجلات، نحتاج البيانات وطريقة الحساب الفعلية.

كيف تبقى قيمة 30 في الجدول؟

نفترض أن بطاقة حالة تدريب معلومة تعطينا وسيط 10 ، وربعًا أول 8 ، وربعًا ثالث 12. الفرق 12 ناقص 8 يساوي 4. نختار ثلاث قيم نريد تحويلها:6 و 10 و 30. هذه بطاقة تعليمية وقيم مؤلفة، لا إحصاءات استخرجناها من عينة فعلية.

نطرح 10 من كل مدخل ثم نقسم على 4. المدخل 6 يعطي سالب 4 مقسومة على 4 ، أي سالب 1. المدخل 10 يعطي 0. والمدخل 30 يعطي 20 مقسومة على 4 ، أي 5. لكل مدخل صف في جدولنا ولكل صف ناتج.

لا يوجد في هذه القاعدة حد أعلى يستبدل 5 بواحد، أو أمر يمحو صف 30. العدد الجديد يصف بعد القيمة عن الوسيط بمقياس المدى المختار؛ لا يصبح قياسًا بالوحدة الأصلية، ولا علامة خطأ تلقائية.

لماذا لا يساوي التحجيم القص أو الحذف؟

في التحويل المعلن تبقى جميع معرفات الصفوف، وتختلف نتائج 6 و 10 و 30. أما لو وضعنا سياسة أخرى تقص كل ناتج أكبر من 1 ، لتغيرت قيمة 5 إلى 1. ولو حذفنا الصف وفق شرط مستقل، لتغير عدد الصفوف. لم ننفذ أيًا من هاتين السياستين.

يفصل هذا الفرق معنى الكلمات قبل تجهيز الميزات. استخدام إحصاء وسيط ومدى ربيعي لا يشهد بأن فحصا لكل قياس وقع أو أن القيم البعيدة فقدت أثرها في جميع الحسابات اللاحقة. قد يبقى ناتجها أكبر من نواتج غيرها كما في مثالنا.

ولا نكتب أن 30 متطرفة وفق اختبار محدد أو أنها غير صحيحة؛ وصفنا بعدها في التمرين فقط. تعريف الشذوذ أو الخطأ يحتاج معيارًا ومصدرًا وغرضًا، لا استنتاجًا من تسمية التحويل.

ماذا نحفظ إذا أردنا تبرير الاستعمال؟

نقترح بطاقة تسجل الوسيط والربيعين ومداهما وخيارات التمركز والتحجيم، مع اسم العمود ووحدته وحالة التعلم. نربط كل نتيجة بمعرفها ونحفظ الأصل، حتى نميز صفًا حولناه عن صف حذف في مسار آخر.

إذا تغير المجال الربيعي المختار أو فعل خيار مختلف، نعيد قراءة صيغة الحالة الجديدة. لم نقدم في مثالنا مدى صفريا، ولا نعالج قربه من الصفر؛ لا ننقل عامل 4 إلى حالة أخرى لمجرد أنها تحمل اسم التحويل نفسه.

كما نفصل صحة هذه القسمة عن فائدة التحويل للنموذج. لم نقدم نموذجًا أو أهدافًا أو تقييما؛ نحتاج أدلة للمهمة إذا أردنا اختيار الطريقة. الذي يوضحه الجدول هو بقاء القيم والصفوف تحت تحويل محدد، دون وعد بالتنظيف أو تحسن التعلم.