أفكار وأدوات رقمية بلغة مفهومة.
1201 مقال
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.
حدا MinMax المتعلمان يصفان القيم التي استعملناها لبناء التحويل، ولا يضمنان أن كل قيمة لاحقة ستقع بين صفر وواحد بعده. إذا خرج المدخل الجديد عن الحدين، فقد يخرج الناتج عن المجال أيضا. نفترض في الشرح مجالا مطلوبا من 0 إلى 1 وخيار القص معطلا.
تحجيم بالوسيط والمجال الربيعي لا يعني حذف كل قيمة بعيدة عن الوسط أو حصرها بين حدين. نختار حالة تحويل معلنة، ونحسب ما يحدث لثلاث قيم. يفيد السؤال عند تجهيز ميزات التعلم، لأن اسم «مقاوم للقيم المتطرفة» قد يفهم على أنه تنظيف نفذ تلقائيا.
مصفوفة ميزات متناثرة قد تستفيد من تمثيل لا يخزن كل صفر، لكن طرح متوسط عمود غير صفري يغير هذه الأصفار عدديا. نشرح المعنى بمصفوفة صغيرة، ثم نفصل التحويل الحسابي عن ما تسمح به واجهة الأداة. لم نبن ملفًا متناثرًا أو نقس استهلاك ذاكرة.
عكس تحجيم قيمة يحتاج إلى الحالة التي أنتجت تمثيلها. الرقم المحجم وحده لا يخبرنا المتوسط أو عامل القسمة؛ وقد يعطي العدد 2 قيمتين مختلفتين تحت حالتين مختلفتين. نعزل هنا تحويلًا عدديًا قابلًا للعكس، دون قص أو حذف أو ادعاء تحميل نموذج محفوظ.
تحجيم عمودين قد يغير هوية أقرب سجل، حتى إذا حافظنا على ترتيب القيم داخل كل عمود. السبب أن المسافة تجمع فروق أكثر من ميزة. نختار تحويلًا يضرب العمود الأول فقط في 4 ، ونقارنه بضرب العمودين معًا في العامل نفسه، دون تدريب مصنف.
تطبيع صف بطوله قد يجعل صفين مختلفين في المقدار متساويين في التمثيل الجديد. إذا كان أحدهما مضاعفا موجبا للآخر، تفقد القيم المطبعّة وحدها عامل ذلك المضاعف. نشرح طول L2 في صفين مؤلفين، ونميزهما عن صف صفري لا يملك اتجاه متجه وحدة.
عتبة التباين لاختيار الميزات تعتمد على الأرقام التي تقارنها بها. إذا أصبحت أرقام الوحدة الجديدة عشرة أضعاف القديمة، يصبح التباين مئة ضعف في حسابنا. إبقاء العدد نفسه للعتبة قد يغير الأعمدة المختارة، مع أن القيم الأصلية لم تكتسب معلومة جديدة.
متوسط بعد اللوغاريتم يجيب عن عملية مختلفة من متوسط القيم الأصلية. يمكن أن نعكس كل قيمة محولة فنستعيد أصلها، لكن عكس متوسط القيم المحولة لا يلزم أن يعيد متوسط الأصول. نختار قيمتين موجبتين وأوزانا متساوية لنعزل أثر ترتيب الحساب.
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.
الفئة الجديدة والقيمة المفقودة في الترميز الرتبي حالتان مختلفتان. قد تصل قيمة معلومة خارج قائمة الفئات التي اعتمدناها، وقد يصل غياب بلا فئة معلومة. نختار إعدادا محددا لـOrdinalEncoder يفصل رمزيهما، ونحصر المثال في غياب ممثل بـNaN وقت التهيئة.
المسافة بين الفئات في الترميز الأحادي الكامل قد تكون واحدة رغم اختلاف أسمائها. نختار عمودا واحدا بثلاث فئات معروفة، وخانة لكل فئة دون حذف أو تجميع. نحسب المسافة الإقليدية بأوزان متساوية لنفهم ما تخبرنا به الخانات، وما لا تخبرنا به عن المعنى.
الصف الصفري عند حذف فئة مرجعية قد يخفي أكثر من حالة إدخال. نثبت ثلاث فئات معروفة، ونحذف الأولى من خانات OneHotEncoder، ونختار تجاهل الفئة غير المعروفة. يظهر عندئذ تمثيل واحد للمرجعية وللقيمة الجديدة، رغم أن معنييهما في الأصل مختلفان.
حد ندرة الفئة ليس عددا له المعنى نفسه في كل إعداد. في OneHotEncoder يمكن أن نختار عددا صحيحا للتكرار أو كسرا يرتبط بعدد صفوف التدريب. نؤلف ثمانية صفوف لفئتين، ونضع إحداهما على حد النسبة نفسه، كي يظهر الفرق دون خلط الندرة بصحة الاسم.
حد عدد فئات الترميز لا يعني الاحتفاظ بهذا العدد من الفئات المنفردة ثم إضافة خانة تجميع فوقه. في إعداد OneHotEncoder الذي نجمع فيه فئات قليلة التكرار، تدخل خانة التجميع ضمن الحد. نؤلف أربع فئات بتكرارات مختلفة لقراءة حد ثلاث خانات دون تعادل.
ترميز تكرار الفئة يعطي العدد الذي ظهر به الاسم في جدول مرجعي، لكنه لا يضمن رقما خاصا لكل اسم. إذا تساوى تكرار فئتين، يمكن أن يتساوى رمزهما أيضا. نعد ثماني بطاقات مؤلفة، ثم نفصل معلومة الشيوع عن هوية الفئة التي كانت مكتوبة.
ترميز الهدف لصفوف التدريب يحتاج إلى مراجعة الصفوف التي شاركت في حساب رمز كل صف. عزل الاختبار النهائي لا يجيب وحده عن هذا السؤال داخل التدريب. نقرأ عقد TargetEncoder ونقارن متوسطات فئتين في طيتين معلنتين، دون ملاءمة متنبئ أو قياس أدائه.
ترميز أسماء المخرجات يختلف عن تجهيز أسماء الفئات داخل ميزات الإدخال. تحدد وثائق LabelEncoder أنه مخصص لقيم الهدف y، وليس جدول المدخل X. [1] نضع ثلاثة صفوف تعليمية ثم نرسم الجدول ومتجه إجاباتها منفصلين، كي يتضح ما الذي نريد تحويله.
