إعادة أخذ العينات وأوزان الفئات
أعد التوازن باستخدام الشيفرة لا ببيانات إضافية
إعادة أخذ العينات وأوزان الفئات درس مجاني في NLP Academy على CoddyKit. هذا هو الدرس 2 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في NLP Academy، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة NLP Academy 4 دروس في المجموع.
طريقتان لإعادة التوازن
يمكنك إصلاح الانحراف بتغيير البيانات من خلال إعادة أخذ العينات، أو بتغيير الحسابات من خلال أوزان الفئات. وكلتا الطريقتين تدفعان النموذج إلى الاهتمام أكثر بالفئة النادرة.
زيادة عينات الفئة الأصغر
تنسخ زيادة العينات أمثلة نادرة إضافية أو تنشئ أمثلة اصطناعية، بحيث تقترب الفئات من التوازن ويجد النموذج مزيدًا مما يتعلم منه.
تقليل عينات الفئة الأكبر
تحذف تقليل العينات بعض أمثلة الفئة الأكبر بدلًا من ذلك. وهي طريقة سريعة وخفيفة، لكنك تخاطر بالتخلص من معلومات مفيدة.
استخدام SMOTE لسمات النص
ينشئ SMOTE نقاطًا جديدة للفئة الأصغر بين النقاط الحقيقية في فضاء السمات بدلًا من تكرارها، فيرى النموذج تنوعًا جديدًا.
from imblearn.over_sampling import SMOTE
X_bal, y_bal = SMOTE().fit_resample(X, y)أعد أخذ العينات من التدريب فقط
أعد توازن مجموعة التدريب وحدها دائمًا. فالتلاعب بمجموعة الاختبار يزيّف الدرجات ويخفي الأداء الحقيقي.
فكرة الأوزان
بدلًا من نقل البيانات، يمكنك جعل كل خطأ نادر أكثر تأثيرًا. تدفع أوزان الفئات الأعلى دالة الخسارة إلى مراعاة الفئة الأصغر.
التوازن في سطر واحد
تقبل نماذج كثيرة في scikit-learn الوسيط class_weight. اضبطه على balanced، وستُحسب الأوزان عكسيًا مع تكرار الفئة.
clf = LogisticRegression(class_weight='balanced')كيف تعمل الأوزان المتوازنة
تحجّم الأوزان المتوازنة كل فئة وفقًا لعكس تكرارها، ولذلك يُحتسب أثر التسمية النادرة مرات أكثر فعليًا.
الأوزان مقابل إعادة أخذ العينات
تتميز أوزان الفئات بتكلفتها المنخفضة والحفاظ على بياناتك كما هي، بينما قد تلتقط إعادة أخذ العينات أنماطًا أغنى. جرّب الأوزان أولًا.
راقب فرط التكيّف
قد تجعل زيادة العينات المفرطة النموذج يحفظ الأمثلة النادرة بدلًا من تعلّم الأنماط. تحقّق من صحة النموذج باستخدام بيانات لم تُلمس لاكتشاف فرط التكيّف مبكرًا.
اختر طريقة وقِس نتائجها
لا توجد طريقة تتفوق دائمًا. اختر طريقة، ثم قيّمها باستخدام استدعاء الفئة الأصغر، وليس الدقة الخام. 🎯
تحقق سريع
اختر أكثر عادات إعادة التوازن أمانًا.
مراجعة
كافح الانحراف باستخدام إعادة أخذ العينات أو أوزان الفئات، وأعد توازن بيانات التدريب فقط، وقيّم النتائج وفقًا لاستدعاء الفئة الأصغر. ✅
تعلم Python مع معلم ذكاء اصطناعي — مجانًا
اكتب وقم بتشغيل أكوادك الفعلية في المتصفح، واحصل على مساعدة فورية من معلم ذكاء اصطناعي متاح 24/7، واستمر من حيث توقفت على الويب أو في التطبيق.
- الدورات
- 30
- الدروس
- 120
الأسئلة الشائعة
هل درس «إعادة أخذ العينات وأوزان الفئات» مجاني؟
نعم — نص درس «إعادة أخذ العينات وأوزان الفئات» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة NLP Academy، انتقل إلى CoddyKit PRO. تتضمن دورة NLP Academy 4 دروس في المجموع.
ماذا ستتعلم في «إعادة أخذ العينات وأوزان الفئات»؟
أعد التوازن باستخدام الشيفرة لا ببيانات إضافية تتمرن على NLP Academy مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.
هل أحتاج إلى خبرة سابقة لأبدأ NLP Academy؟
لا تُشترط خبرة سابقة. NLP Academy على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 2 من أصل 4.
كم من الوقت يستغرق درس «إعادة أخذ العينات وأوزان الفئات»؟
معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.
هل يمكنني كتابة وتشغيل أكواد في درس NLP Academy هذا؟
نعم. كل درس في NLP Academy يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.
جميع الدروس في هذه الدورة
- لماذا تُهمَل الفئات النادرة
- إعادة أخذ العينات وأوزان الفئات
- اختيار العتبة والمقياس
- مسار متكامل للفئات غير المتوازنة