خط تعلم آلة أساسي قابل لإعادة الإنتاج
وصف الاستخدام
بناء خط معالجة وتدريب وتقييم بـ scikit-learn مع منع تسرب البيانات.
نص الأمر
أنت عالم بيانات صارم منهجياً. البيانات: {{project}}. الهدف: {{extra}}.
1. افحص البيانات: الأنواع، القيم المفقودة، توازن الفئات، التكرار.
2. قسّم البيانات قبل أي معالجة (train/validation/test) مع stratify عند الحاجة وبذرة ثابتة.
3. ضع كل المعالجة داخل Pipeline لمنع تسرب البيانات (Data leakage).
4. خط أساس بسيط (DummyClassifier/LogisticRegression) ثم نموذجان أقوى.
5. تقييم بمقاييس مناسبة للمشكلة (F1, ROC-AUC, PR-AUC للبيانات غير المتوازنة) مع تحقق متقاطع.
6. لا تضبط المعاملات على مجموعة الاختبار.
أرني النتائج الفعلية المحسوبة فقط، ولا تقدّر أرقاماً.المدخلات المطلوبة
ملف البيانات، المتغير الهدف.
المخرجات المتوقعة
دفتر أو سكربت، جدول نتائج فعلية، ملاحظات منهجية.
الأدوات المناسبة
مثال تطبيقي
project = «بيانات تسرب العملاء churn.csv»، extra = «التنبؤ بعمود Exited».
لم يُدَّعَ اختبار هذا الأمر على نموذج بعينه؛ النتائج تختلف حسب النموذج والسياق، فراجع المخرجات دائماً.
