ميزة ثابتة عند تعلم التحجيم تحتاج إلى قراءة عامل القسمة وخيار طرح المتوسط معا. إذا كانت كل قيم التدريب 7 ، فلا يوجد انحراف موجب نقسم عليه للوصول إلى تباين واحد. لكن هذا لا يعني أن كل قيمة جديدة، حتى لو كانت 9 ، ستتحول إلى صفر.
الخلاصة السريعة
مع تمركز StandardScaler وتحجيمه المفعلين، يستعمل عامل تحجيم 1 للميزة ذات التباين الصفري؛ فتتحول قيمة لاحقة مختلفة بحسب بعدها عن المتوسط المحفوظ.
- تحدد الوثائق عامل تحجيم 1 عندما يكون التباين صفرا، إذ لا يمكن تحقيق تباين واحد. [1] لا نخلط العامل مع انحراف موجب تعلمناه.
- لتدريب مؤلف 7 و 7 و 7 ، المتوسط 7 والعامل 1 ؛ مع طرح المتوسط تصبح القيم أصفارا، وتتحول القيمة اللاحقة 9 إلى 2.
- مع تعطيل طرح المتوسط وتثبيت العامل 1 ، تبقى 7 و 9 كما هما؛ لا نعد خيار التمركز تفصيلا شكليا.
- ثبات التدريب لا يثبت ثبات المستقبل أو فائدة الميزة. احفظ الحالة والخيار وراجع المصدر، دون نسبة تجربة أو دقة نموذج إلى الحساب.
ما معنى عامل يساوي واحدا هنا؟
عند التباين الصفري تعطي الوثائق عامل التحجيم 1 ؛ تحقيق تباين واحد في هذه الحالة غير ممكن. [1]
نفصل بين ثلاثة أعداد: متوسط العمود، وتباينه، والعامل المستخدم للقسمة. قد يكون التباين صفرًا بينما يكون عامل القسمة واحدا وفق معالجة الأداة. كتابة «نقسم على الانحراف الصفري» لا تصف هذه المعالجة.
كما أن القسمة على واحد لا تمنع خطوة طرح المتوسط إذا كانت مفعلة. لذلك لا نقرأ وصف العامل وحده على أنه وعد ببقاء القيم الأصلية عند استعمال التمركز أيضا. حدود المثال معلنة: قيم معلومة وعمود ثابت تماما، وليس عمودا قليل التغير أو نتيجة تقريبات عددية.
كيف تختلف قيمة التدريب عن قيمة لاحقة؟
نؤلف تدريبًا من ثلاث قيم 7 و 7 و 7. متوسطها 7 ، وجميع فروقها عن المتوسط صفر، ومن ثم تباينها صفر. وفق العامل 1 ومع التمركز المفعل، حساب كل قيمة هو: 7 ناقص 7 ، ثم القسمة على 1 ؛ فتخرج الأصفار.
نثبت هذه الحالة ونقدم قيمة لاحقة 9. لا نضمها إلى التدريب، ولا نعيد تعلم المتوسط. حسابها 9 ناقص 7 ، مقسوما على 1 ، يساوي 2. أما قيمة لاحقة 7 فتخرج صفرًا، لأننا قارناها بالمرجع نفسه.
توضح المقارنة أن صفر الناتج السابق جاء من مساواة قيمة المدخل للمتوسط، لا من قرار يجعل كل قيمة في العمود صفرا مهما كانت. الأعداد حساب يدوي لقاعدة موثقة، وليست نتائج ملاءمة مكتبة أو تنبؤات نموذج.
| حالة تعليمية | المدخل | مع تمركز وعامل 1 |
|---|---|---|
| قيمة تدريب | 7 | 0 |
| قيمة لاحقة مماثلة | 7 | 0 |
| قيمة لاحقة مختلفة | 9 | 2 |
ماذا يغير تعطيل طرح المتوسط؟
نقارن إعدادا آخر مع تعطيل التمركز وتفعيل التحجيم، ونبقي عامل القسمة 1 لهذا العمود الثابت. تصبح القاعدة قسمة المدخل على 1 دون طرح 7. عندها تبقى قيمة التدريب 7 ، وتبقى القيمة اللاحقة 9.
لهذا لا نكتب أن «الميزة الثابتة تصبح صفرًا دائما». الصفر مشروط بطرح متوسطها وبالقيمة الداخلة، بينما المحافظة على 7 تخص الإعداد الآخر. نعرض المقارنتين بوضوح بدل جمعهما في عمود واحد يخفي الخيار المختلف.
وإذا أعدنا تعلم التحويل على بيانات تحتوي 9 ، فلم يعد تدريبنا السابق هو المرجع الذي نشرح نتيجته. نحتاج حساب حالة جديدة، ولا ننقل عامل 1 إليها آليا لأن العمود كان ثابتا في نسخة أقدم.
ما الذي لا يثبت من ثبات ثلاث قيم؟
لا نعرف من القيم الثلاث لماذا كانت الميزة ثابتة. ربما كانت الحالات متشابهة وفق ما يسجله الحقل، وربما يحتاج المصدر إلى مراجعة؛ لم نقدم دليلا يحسم السبب. حساب العامل لا يكشف عطل جهاز أو صحة قياس.
ونقترح حفظ اسم الميزة ووحدتها وحالة التدريب وخيارات التمركز والتحجيم والعامل والمتوسط. هذه المعلومات تجعل تفسير 0 أو 2 واضحا، دون أن تكون شهادة بأن الميزة نافعة أو أن حذفها سيحسن التعلم.
لم ندرب نموذجا أو نختبر قرار حذف. غرض المثال معالجة التباس محدد في إعداد الميزات: تباين صفري عند التعلم لا يعني مخرجا صفريا لكل مدخل لاحق، وذكر عامل التحجيم لا يغني عن ذكر طرح المتوسط.
المصادر ومتابعة القراءة
- scikit-learn 1.9.1: StandardScaler (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.