التعلم العميق بالعربي الدكتور علاء طعيمة
علم البيانات تعلم الآلة متوسط محتوى تجريبي

Feature Engineering

هندسة الخصائص

التعريف

تصميم المتغيرات المدخلة للنموذج وتحويلها واختيارها من البيانات الخام لتحسين أدائه.

الخاصية (Feature) متغير قابل للقياس يمثل جانباً من البيانات. تشمل هندسة الخصائص: التنظيف، ومعالجة القيم المفقودة، وترميز المتغيرات الفئوية (One-Hot)، والتطبيع والتقييس (Scaling)، واشتقاق خصائص جديدة (مثل نسبة أو يوم الأسبوع من تاريخ)، واختيار الخصائص المهمة.
في النماذج التقليدية كثيراً ما تكون الخصائص الجيدة أهم من اختيار الخوارزمية. أما التعلم العميق فيتعلم كثيراً من التمثيلات تلقائياً، لكن فهم البيانات يبقى ضرورياً. ويجب حساب أي تحويل من بيانات التدريب فقط لتجنب تسرّب البيانات.

Definition

Feature engineering is the process of using domain knowledge to create, transform and select input variables from raw data so that machine learning models perform better.

شرح مبسّط للمبتدئين

لتوقع سعر بيت لا يكفي عنوانه، بل نستخرج منه معلومات مفيدة: المساحة، وعدد الغرف، والبعد عن المدارس. هذه هي الخصائص.

شرح أكاديمي متخصص

يمكن النظر إليها على أنها اختيار تمثيل \(\phi(x)\) يجعل المسألة أقرب إلى القابلية للفصل الخطي أو أسهل للنموذج. ويؤكد Domingos أن الخصائص المستخدمة هي غالباً العامل الأهم في نجاح مشروعات تعلم الآلة.

أمثلة عملية

  • استخراج الساعة ويوم الأسبوع من الطابع الزمني.
  • تحويل الدخل بالدالة اللوغاريتمية لتقليل الالتواء.
  • حساب مؤشر كتلة الجسم من الطول والوزن.
ترميز فئوي وتقييس رقمي Python 
import pandas as pd

df = pd.DataFrame({"city": ["Baghdad", "Basra", "Baghdad"], "age": [20, 30, 40]})
df = pd.get_dummies(df, columns=["city"], dtype=int)
df["age_z"] = (df["age"] - df["age"].mean()) / df["age"].std(ddof=0)
print(df.round(3).to_string(index=False))

شرح الكود

يتحول عمود المدينة إلى عمودين ثنائيين، ويُقيَّس العمر. في مشروع حقيقي يُحسب المتوسط والانحراف من بيانات التدريب فقط.

النتيجة المتوقعة

 age  city_Baghdad  city_Basra  age_z
  20             1           0 -1.225
  30             0           1  0.000
  40             1           0  1.225

التطبيقات والاستخدامات

  • النماذج الجدولية في التمويل والصحة والتسويق.
  • تحضير البيانات لأي خوارزمية تعلم آلي.

المزايا

  • تحسن الدقة وتفسير النموذج.
  • تسمح لنماذج بسيطة بأداء قوي.

القيود والعيوب

  • تستهلك وقتاً وتحتاج خبرة بالمجال.
  • خطر تسرّب البيانات إذا استُخدمت معلومات من الاختبار.

المعادلات الرياضية

التقييس (Z-score)

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

يحوّل الخاصية لتصبح بمتوسط صفر وانحراف معياري واحد.

شرح الرموز
الرمزالمعنى
\(x\)القيمة الأصلية
\(\mu\)متوسط الخاصية في بيانات التدريب
\(\sigma\)الانحراف المعياري في بيانات التدريب

مثال تطبيقي

إذا كان المتوسط 170 والانحراف 10 فإن القيمة 185 تصبح \(z=1.5\).

المصادر العلمية

مراجع ومصادر علمية

تعلّم وراجع

بطاقة مراجعة المصطلحراجعه مع المصطلحات المرتبطة به اختبار قصيرأسئلة عن هذا المصطلح وما يرتبط به

مصطلحات مقترحة للتعلّم بعده