استخراج السمات من البيانات
أساسيات هندسة السمات
استخراج السمات من البيانات درس مجاني في Python For Kids على CoddyKit. هذا هو الدرس 5 من أصل 5. 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 Python For Kids، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة Python For Kids 5 دروس في المجموع.
استخراج السمات من البيانات
يتضمن استخراج السمات تحويل البيانات الخام إلى مجموعة من السمات التي يمكن لنماذج تعلّم الآلة استخدامها. يغطّي هذا الدرس أساسيات هندسة السمات والتقنيات الشائعة لاستخراج السمات المفيدة من البيانات.
ما استخراج السمات؟
يُبسّط استخراج السمات البيانات الخام من خلال تحديد السمات الأساسية الأكثر صلة بالتحليل. ويقلل من تعقيد البيانات ويحسن أداء النموذج.
مثال:
- استخراج
monthوdayمن عمودdate. - حساب
word countمن البيانات النصية.
استخراج السمات من التواريخ
يمكنكم اشتقاق سمات جديدة مثل year أو month أو day من عمود التاريخ باستخدام Pandas.
مثال:
df['Year'] = pd.to_datetime(df['Date']).dt.yearالسمات المستندة إلى النصوص
بالنسبة إلى البيانات النصية، يمكنكم استخراج سمات مثل:
- عدد الكلمات: إجمالي عدد الكلمات.
- عدد الأحرف: إجمالي عدد الأحرف.
- الكلمات الفريدة: عدد الكلمات الفريدة.
مثال:
df['WordCount'] = df['Text'].apply(lambda x: len(x.split()))ترميز السمات الفئوية
حوّل البيانات الفئوية إلى صيغة رقمية لتحليلها. وتشمل التقنيات الشائعة ما يلي:
- One-Hot Encoding: ينشئ أعمدة ثنائية لكل فئة.
- Label Encoding: يعيّن رقمًا فريدًا لكل فئة.
مثال:
from sklearn.preprocessing import OneHotEncoder
encoder = OneHotEncoder()
encoded = encoder.fit_transform(df[['Category']])تحجيم السمات
يضمن التحجيم وضع جميع السمات على مقياس متقارب، وهو أمر بالغ الأهمية للعديد من خوارزميات تعلّم الآلة. وتشمل التقنيات ما يلي:
- التوحيد القياسي: تحجيم البيانات بحيث يكون متوسطها 0 وانحرافها المعياري 1.
- تحجيم Min-Max: تحويل البيانات إلى النطاق [0, 1].
اختيار السمات
يتضمن اختيار السمات تحديد أهم السمات للنموذج. وتشمل التقنيات ما يلي:
- تحليل الارتباط: تحديد السمات ذات الارتباط المرتفع.
- الحذف التكراري للسمات (RFE): إزالة السمات الأقل أهمية تدريجيًا.
مراجعة
في هذا الدرس، تعلمت ما يلي:
- استخراج السمات: تحويل البيانات الخام إلى سمات مفيدة.
- التقنيات: سمات التاريخ والسمات المستندة إلى النصوص وترميز البيانات الفئوية.
- تحجيم السمات: ضمان وجود السمات على مقاييس متشابهة.
- اختيار السمات: تحديد السمات الأكثر صلة.
تهانينا!
لقد أتممتم الدرس حول استخراج السمات من البيانات. تابعوا إلى الفئة التالية للتعمق أكثر في مفاهيم الذكاء الاصطناعي المتقدمة.
الأسئلة الشائعة
هل درس «استخراج السمات من البيانات» مجاني؟
نعم — نص درس «استخراج السمات من البيانات» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة Python For Kids، انتقل إلى CoddyKit PRO. تتضمن دورة Python For Kids 5 دروس في المجموع.
ماذا ستتعلم في «استخراج السمات من البيانات»؟
أساسيات هندسة السمات تتمرن على Python For Kids مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.
هل أحتاج إلى خبرة سابقة لأبدأ Python For Kids؟
لا تُشترط خبرة سابقة. Python For Kids على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 5 من أصل 5.
كم من الوقت يستغرق درس «استخراج السمات من البيانات»؟
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 Python For Kids هذا؟
نعم. كل درس في Python For Kids 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
- أنواع البيانات
- التعامل مع البيانات المفقودة
- تطبيع البيانات
- دمج البيانات في Python
- استخراج السمات من البيانات