هندسة السمات واختيارها

تُعدّ هندسة السمات واختيارها خطوتين أساسيتين في بناء نماذج فعّالة للتعلم الآلي. وتتضمن هاتان العمليتان إنشاء سمات جديدة واختيار السمات الأكثر صلة لتحسين أداء النموذج.

في هذا الدرس، ستتعلمون تقنيات هندسة السمات واختيارها لتعزيز دقة التنبؤ.

ما المقصود بهندسة السمات؟

تتضمن هندسة السمات إنشاء سمات جديدة من البيانات الأولية لجعل نماذج التعلم الآلي أكثر فعالية. ومن أمثلتها:

• استخراج سمات مرتبطة بالوقت، مثل اليوم أو الشهر أو الساعة، من الطوابع الزمنية.
• دمج عدة سمات في سمة جديدة.
• تغيير مقياس السمات العددية لتوحيد نطاقها.

إنشاء سمات جديدة

لننشئ سمات جديدة استنادًا إلى البيانات الموجودة:

# Example: Creating new features
import pandas as pd

data = {'Timestamp': ['2025-01-01 12:00:00', '2025-01-02 15:30:00']}
df = pd.DataFrame(data)
df['Hour'] = pd.to_datetime(df['Timestamp']).dt.hour
df['Day'] = pd.to_datetime(df['Timestamp']).dt.day
print(df)

تغيير مقياس السمات

يضمن تغيير المقياس أن تكون جميع السمات العددية ضمن المقياس نفسه، مما يحسن أداء النموذج:

# Example: Scaling features
from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler()
values = [[10], [20], [30]]
scaled_values = scaler.fit_transform(values)
print(scaled_values)

اختيار السمات

يتضمن اختيار السمات تحديد السمات الأكثر صلة بالنموذج. ومن التقنيات الشائعة:

• الأساليب القائمة على التصفية: اختيار السمات استنادًا إلى مقاييس إحصائية مثل الارتباط.
• الأساليب الالتفافية: استخدام خوارزميات مثل الحذف التكراري للسمات (RFE).
• الأساليب المضمّنة: اختيار السمات أثناء تدريب النموذج، مثل انحدار Lasso.

اختيار السمات القائم على الارتباط

قد تكون السمات ذات الارتباط العالي زائدة عن الحاجة. استخدموا Pandas لحساب الارتباطات:

# Example: Correlation-based feature selection
import pandas as pd

data = {'Feature1': [1, 2, 3], 'Feature2': [2, 4, 6], 'Feature3': [1, 1, 1]}
df = pd.DataFrame(data)
print(df.corr())

الحذف التكراري للسمات (RFE)

يُعدّ RFE أسلوبًا التفافيًا يزيل السمات الأقل أهمية تدريجيًا:

# Example: RFE
from sklearn.feature_selection import RFE
from sklearn.linear_model import LogisticRegression

X = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
y = [0, 1, 0]
model = LogisticRegression()
rfe = RFE(model, n_features_to_select=2)
rfe.fit(X, y)
print("Selected Features:", rfe.support_)

أهمية السمات باستخدام النماذج القائمة على الأشجار

توفر النماذج القائمة على الأشجار، مثل Random Forests، درجات لأهمية السمات:

# Example: Feature importance
from sklearn.ensemble import RandomForestClassifier

X = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
y = [0, 1, 0]
model = RandomForestClassifier()
model.fit(X, y)
print("Feature Importances:", model.feature_importances_)

الأخطاء الشائعة في هندسة السمات

إليك بعض الأخطاء التي ينبغي تجنبها:

• إنشاء عدد كبير جدًا من السمات، مما قد يؤدي إلى فرط التكيّف.
• تجاهل الحاجة إلى تغيير المقياس في الخوارزميات القائمة على المسافة.
• استخدام سمات ذات ارتباط عالٍ، مما يسبب التكرار.

ما الذي تعلمناه؟

في هذا الدرس، تعلمتم:

• أهمية هندسة السمات واختيارها في التعلم الآلي.
• تقنيات إنشاء سمات جديدة وتغيير مقياس السمات العددية.
• كيفية اختيار السمات ذات الصلة باستخدام أساليب مثل RFE والنماذج القائمة على الأشجار.
• الأخطاء الشائعة التي ينبغي تجنبها أثناء هندسة السمات.

أحسنتم! لننتقل إلى الموضوع التالي.