استخراج الميزات من البيانات

يتضمن استخراج السمات تحويل البيانات الأولية إلى مجموعة من السمات التي يمكن لنماذج تعلّم الآلة استخدامها. يتناول هذا الدرس أساسيات هندسة السمات والتقنيات الشائعة لاستخراج السمات المفيدة من البيانات.

يُبسّط استخراج السمات البيانات الأولية من خلال تحديد الخصائص الأساسية الأكثر صلة بالتحليل. ويقلل من تعقيد البيانات ويحسّن أداء النموذج.

مثال:

• استخراج month وday من عمود date.
• حساب word count من البيانات النصية.

يمكنك اشتقاق سمات جديدة مثل year أو month أو day من عمود التاريخ باستخدام Pandas.

مثال:

df['Year'] = pd.to_datetime(df['Date']).dt.year

بالنسبة إلى البيانات النصية، يمكنك استخراج سمات مثل:

• عدد الكلمات: العدد الإجمالي للكلمات.
• عدد الأحرف: العدد الإجمالي للأحرف.
• الكلمات الفريدة: عدد الكلمات الفريدة.

مثال:

df['WordCount'] = df['Text'].apply(lambda x: len(x.split()))

حوّل البيانات الفئوية إلى صيغة رقمية لتحليلها. تتضمن التقنيات الشائعة ما يلي:

• الترميز أحادي التمثيل: ينشئ أعمدة ثنائية لكل فئة.
• ترميز التسميات: يعيّن رقمًا فريدًا لكل فئة.

مثال:

from sklearn.preprocessing import OneHotEncoder encoder = OneHotEncoder() encoded = encoder.fit_transform(df[['Category']])

يضمن التحجيم أن تكون جميع السمات ضمن مقياس متقارب، وهو أمر بالغ الأهمية للعديد من خوارزميات تعلّم الآلة. تتضمن التقنيات ما يلي:

• التوحيد القياسي: تحجيم البيانات بحيث يكون متوسطها 0 وانحرافها المعياري 1.
• التحجيم بنطاق Min-Max: تحويل البيانات إلى نطاق [0, 1].

يتضمن اختيار السمات تحديد أهم السمات التي سيستخدمها النموذج. تتضمن التقنيات ما يلي:

• تحليل الارتباط: تحديد السمات ذات الارتباط القوي.
• الحذف التكراري للسمات (RFE): إزالة السمات الأقل أهمية تكراريًا.

في هذا الدرس، تعلّمت ما يلي:

• استخراج السمات: تحويل البيانات الأولية إلى سمات مفيدة.
• التقنيات: سمات التواريخ والسمات المستندة إلى النصوص وترميز البيانات الفئوية.
• تحجيم السمات: ضمان وجود السمات ضمن مقاييس متقاربة.
• اختيار السمات: تحديد السمات الأكثر صلة.

لقد أتممت درس استخراج السمات من البيانات. تابع إلى الفئة التالية للتعمق في مفاهيم الذكاء الاصطناعي الأكثر تقدمًا.