عدم توازن البيانات (Data Imbalance) يحدث عندما تكون إحدى الفئات في مجموعة البيانات ممثلة بشكل أكبر بكثير من الفئات الأخرى. هذا يؤدي إلى:
• انحياز النموذج نحو الفئة الأكبر وتجاهل الفئة الأصغر.
• انخفاض دقة التنبؤ بالفئة النادرة، رغم أن الدقة الكلية قد تبدو مرتفعة.
• تأثير سلبي على مقاييس الأداء المهمة مثل Recall وF1-Score في حالات الفئات غير المتوازنة.
مثال: في كشف الاحتيال، إذا كانت 98% من المعاملات طبيعية و2% احتيالية، فقد يتعلم النموذج توقع “طبيعي” دائمًا ويحقق دقة عالية لكنه يفشل في كشف الاحتيال.
Data Imbalance يقلل من فعالية النماذج التحليلية خاصة في التطبيقات الحساسة التي تعتمد على الفئات النادرة.
ا.م.د. علاء طعيمة عبد الكاظم
أستاذ مساعد دكتور في الذكاء الاصطناعي والتعلم العميق