مصنّف شجرة القرار – فرز البيانات بأسئلة نعم/لا

علوم الحاسوبالبيانات والذكاء الاصطناعي وتعلّم الآلة17–18 سنة

استخدمها مع صفي

بيانات من صنفين على مستوى تحدده سمتان (الطقس والخروج من المنزل، تفاحة أم ليمونة، النجاح في اختبار). يبني الحاسوب شجرة قرار باختيار السؤال «السمة ≤ العتبة؟» في كل عقدة بحيث يخفض عدم نقاء جيني أو الإنتروبيا أكثر ما يمكن، أو ينقر الطلاب لتقسيم المناطق بأنفسهم ومعاينة انخفاض عدم النقاء. ينقسم المستوى إلى مستطيلات وتُرسم الشجرة أسفله؛ غيّر العمق الأقصى لتقارن الدقة على بيانات التدريب وبيانات الاختبار وترى الإفراط في التخصيص بوضوح. وفي «قواعدك الخاصة» يكتب الطلاب حتى ثلاث قواعد «إذا… فإن»، ويحسّنون عتباتها على دفعة تدريب، ثم يختبرون كل نسخة على دفعة جديدة ويسجّلون دقتها.

الدرس: تعلم الآلة: أشجار القرار، وعدم نقاء جيني والإنتروبيا، وبيانات التدريب والاختبار، والإفراط في التخصيص

ماذا تعرض

تصنّف شجرة القرار المثال بطرح سلسلة من أسئلة نعم/لا، يقارن كل منها سمة واحدة بعتبة، فينقسم مستوى السمات إلى مستطيلات. تأتي البيانات من قاعدة مخفية مع تسميات قُلبت عشوائيًا (ضجيج). ويختار الحاسوب بطريقة جشعة التقسيم الذي يخفض عدم نقاء جيني أو الإنتروبيا أكثر ما يمكن؛ والأشجار الأعمق تلائم بيانات التدريب أكثر، لكنها قد تحفظ الضجيج. وفي «قواعدك الخاصة» تكتب النموذج بنفسك: قواعد «إذا… فإن» لها حدود، تضبطها على دفعة تدريب وتختبرها على دفعات جديدة لم ترها القواعد من قبل.

طريقة الاستخدام

في «شجرة يبنيها الحاسوب» حرّك «العمق الأقصى» من ⁦1⁩ إلى ⁦8⁩ وقارن دقة التدريب ودقة الاختبار. وفي «أسئلتك الخاصة» اختر «تقسيم عمودي» أو «تقسيم أفقي» ثم انقر منطقة لتقسيمها. وفي «قواعدك الخاصة» اضبط حدود كل قاعدة وصنفها، وراقب دقة التدريب، ثم اضغط «اختبر على دفعة جديدة وسجّل» لحفظ كل نسخة مع دقتها.

المعاملات القابلة للتغيير

  • مجموعة البيانات هل نخرج؟ (درجة الحرارة، الرطوبة), تفاحة أم ليمونة؟ (الكتلة، احمرار القشرة), النجاح في الاختبار؟ (ساعات المراجعة، درجة الاختبار التدريبي)
  • عدد نقاط البيانات ⁦40–200⁩ نقطة
  • الضجيج (نسبة التسميات المقلوبة) ⁦0–30 %⁩
  • العمق الأقصى للشجرة ⁦1–8⁩
  • معيار التقسيم عدم نقاء جيني, الإنتروبيا (كسب المعلومات)
  • إظهار بيانات الاختبار
  • الشاشة شجرة القرار, قواعدك الخاصة

أسئلة للاستكشاف

  1. لماذا تستمر دقة التدريب في الارتفاع مع زيادة العمق بينما لا ترتفع دقة الاختبار؟
  2. لماذا تحتاج مجموعة البيانات «النجاح في الاختبار؟» ذات الحد القطري إلى هذا العدد الكبير من الأسئلة؟
  3. ماذا يخبرك السؤال الأول الذي يُختار عند الجذر عن البيانات؟