هندسة الميزات

ML 101

M10 · L01

تعلم الآلة العملي

النموذج ليس أفضل من المعلومات التي تقدّمها إليه. هندسة الميزات تُحوّل البيانات الخام — الطوابع الزمنية، وسلاسل الفئات، والنص — إلى تمثيلات تجعل الأنماط صريحةً وقابلةً للتعلم.

01 / 13

ML 101

M10 · L01

لماذا تهمّ

التمثيل الصحيح

الطابع الزمني "08:32 الاثنين" يمكنه التنبؤ بأجرة سيارة الأجرة — لكن فقط إذا استخرجت ساعة الذروة، ويوم الأسبوع، وساعة اليوم.

المعرفة بالمجال

أفضل الميزات تأتي من فهم المشكلة، لا من البحث الآلي. تحدّث إلى خبراء المجال أولًا.

02 / 13

ML 101

M10 · L01

الميزات العددية

قيّس، حوّل، قسّم

المعيارة — متوسط صفري، تباين وحدوي. الأفضل للنماذج القائمة على التدرج
التطبيع (Min-Max) — تقييس إلى [0,1]. حساس للقيم الشاذة
التحويل اللوغاريتمي — يُعالج التوزيعات المنحرفة يمينًا (الدخل، الحركة)
التقسيم إلى حاويات — تحويل مستمر لالتقاط علاقات غير رتيبة
النماذج القائمة على الأشجار لا تحتاج للتقييس

03 / 13

ML 101

M10 · L01

صيغ التقييس

المعيارة مقابل التطبيع

نهجان، حالتان استخدام:

Z-score (Standardization)

x'=\frac{x-\mu}{\sigma}

Min-Max (Normalization)

x'=\frac{x-x_{\min}}{x_{\max}-x_{\min}}

04 / 13

ML 101

M10 · L01

الميزات الفئوية

ترميز الفئات

One-Hot — عمود ثنائي لكل فئة. جيد للأساسية المنخفضة (<20)
ترميز التسمية — تعيين صحيح. استخدم حين يوجد ترتيب أو مع الأشجار
ترميز الهدف — استبدل بمتوسط الهدف. قوي للأساسية العالية — لكن احذر تسرب البيانات
ترميز التكرار — استبدل بالتكرار. خالٍ من خطر التسرب

05 / 13

ML 101

M10 · L01

منطقة الخطر

تسرب بيانات ترميز الهدف

ترميز الهدف يستخدم معلومات التسميات — كل صف "يعرف" هدفه الخاص. إذا طُبِّق ساذجًا قبل التقسيم، يحدث تسرب للبيانات: نقاط تدريب مُضخَّمة تنهار على البيانات الحقيقية.

الحل

طبّق دائمًا داخل طيات التحقق المتقاطع: احسب الترميزات من الطيات الأخرى، طبّقها على الطية الحالية. TargetEncoder في Scikit-learn يتعامل مع هذا تلقائيًا.

06 / 13

ML 101

M10 · L01

ميزات النص

TF-IDF والتضمينات

TF-IDF يُوزَّن الكلمات بتكرارها في الوثيقة × ندرتها عبر جميع الوثائق. الكلمات الشائعة تحصل على درجات منخفضة؛ الكلمات النادرة المفيدة على درجات عالية.

التضمينات الكلمية (Word2Vec, GloVe) تضع الكلمات المتشابهة دلاليًا قريبةً في فضاء المتجه. ملك − رجل + امرأة ≈ ملكة.

07 / 13

ML 101

M10 · L01

ميزات الوقت

الطوابع الزمنية تحتاج فكّها

استخرج — الساعة، يوم الأسبوع، الشهر، السنة، أسبوع السنة
الترميز الدوري — sin/cos حتى يكون منتصف الليل ≈ الـ 11 مساءً عدديًا
ميزات التأخر — القيمة عند t−1 وt−7 وt−30 (الارتباط الذاتي)
الإحصاءات المتحركة — متوسط 7 أيام، انحراف معياري 30 يومًا
الزمن منذ الأحداث — أيام منذ آخر شراء، ساعات منذ تسجيل الدخول

08 / 13

ML 101

M10 · L01

الترميز الدوري

اللفّ حول الدائرة

الساعة 23 والساعة 0 تفصلهما ساعة واحدة — لكنهما عدديًا بعيدتان. رمّز بـ sin وcos لتلفّ الميزة حول دائرة من دورة P:

Cyclical Encoding

x_{\sin}=\sin\!\left(\tfrac{2\pi x}{P}\right),\;x_{\cos}=\cos\!\left(\tfrac{2\pi x}{P}\right)

09 / 13

ML 101

M10 · L01

ميزات التفاعل

ميزتان، إشارةٌ واحدة

درجة ائتمانية 700 تعني أشياءً مختلفة لدخل 10,000 مقابل 200,000 دولار. التفاعل (الدرجة × الدخل) يلتقط ما لا تستطيع أيٌّ من الميزتين منفردةً.

نسبة

الدين / الدخل

ضرب

الحرارة × الرطوبة

مجموعة

متوسط إنفاق المستخدم

10 / 13

ML 101

M10 · L01

القيم المفقودة

الفقدان إشارةٌ بحد ذاته

البيانات المفقودة نادرًا ما تكون عشوائية. مريض بلا نتيجة فحص قد يعني أن الاختبار لم يُطلَب — وهو بحد ذاته معلومة.

أفضل ممارسة

قبل الحساب: أنشئ ميزة مؤشر ثنائية (1 = مفقودة، 0 = موجودة). ثم احسب القيمة. النموذج يتعلم كلًّا من القيمة المحسوبة ونمط الفقدان.

11 / 13

ML 101

اختبار سريع

تحقّق ممّا ثبت

أربعة أسئلة من هذا الدرس. أجب لترى السبب — يظهر الشرح سواء أصبتَ أم أخطأت. ولا شيء يُسجَّل أو يُحفَظ.

السؤال 1 من 0

النتيجة 0/0

12 / 13

ML 101

خلاصة

ملخص

الخلاصة الرئيسية

هندسة الميزات كثيرًا ما تؤثر أكثر من اختيار النموذج
قيّس الميزات العددية للنماذج القائمة على التدرج؛ الأشجار لا تحتاج ذلك
حوّل لوغاريتميًا التوزيعات المنحرفة يمينًا (الدخل، الحركة، التكرارات)
استخدم ترميز الهدف للفئات عالية الأساسية — داخل طيات التحقق المتقاطع فقط
رمّز الوقت دوريًا بـ sin/cos؛ ابنِ ميزات تأخر ومتحركة للتنبؤ
أنشئ دائمًا مؤشر الفقدان قبل حساب القيم المفقودة

الدرس التالي كل الدروس اقرأ المقالة

13 / 13