قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
كسب الشوائب (Impurity Gain)
معيار اختيار المتغير في أشجار القرار الذي يقيس انخفاض الشوائب (مثلاً: مؤشر جيني أو الإنتروبيا) الناتج عن تقسيم عقدة وفقًا لسمة معينة.
وزن جيني (Gini Importance)
مقياس أهمية خاص بالغابات العشوائية، يحسب كمتوسط انخفاض شوائب جيني الذي تحققه متغير على جميع أشجار الغابة.
تكرار الميزة (Feature Recursion)
مفهوم في النماذج القائمة على الأشجار حيث تتأثر أهمية متغير بقدرته على أن يتم اختياره على مستويات عمق متعددة، بما في ذلك في الأشجار الفرعية التي أنشأتها متغيرات أخرى.
الأهمية عن طريق تقليل الخطأ (Drop Column Importance)
طريقة تقييم الأهمية التي تتضمن إعادة تدريب النموذج بعد إزالة متغير وقياس تدهور أدائه مقارنة بالنموذج المرجعي الكامل.
قيمة SHAP (SHAP Value)
درجة كمية يخصصها أسلوب SHAP لسمة لتوقع فردي، تمثل مساهمتها الهامشية في الفرق بين توقع النموذج والتوقع المتوسط لمجموعة البيانات.
رسم قوة SHAP (SHAP Force Plot)
تصوير مرئي خاص بـ SHAP يوضح كيف تدفع قيم SHAP لكل سمة توقع النموذج من القيمة الأساسية (المتوسطة) إلى قيمة الإخراج النهائية لملاحظة واحدة.
الأهمية العالمية مقابل المحلية
تمييز أساسي في القابلية للتفسير حيث تقيم الأهمية العالمية تأثير متغير على النموذج بأكمله، بينما تشرح الأهمية المحلية مساهمته لتوقع معين.
اختيار المتغيرات حسب الأهمية
عملية تقليل الأبعاد تستخدم درجات أهمية السمات لإزالة المتغيرات غير ذات الصلة أو المتكررة، بهدف تحسين أداء النموذج وقابليته للتفسير.
معاملات الانحدار LASSO
في سياق الاختيار، تعمل معاملات نموذج LASSO (Least Absolute Shrinkage and Selection Operator) كمؤشر للأهمية، حيث يمكن للعقوبة L1 أن تقلل من بعض المعاملات إلى الصفر تمامًا، مما يؤدي إلى إزالة المتغيرات المقابلة.
الأهمية حسب البدائل (Surrogate Importance)
طريقة تقييم الأهمية في النماذج القائمة على الأشجار التي تقيس قدرة متغير ما على أن يكون بديلاً (surrogate split) لمتغير التقسيم الرئيسي لتقسيم البيانات، مما يشير إلى معلومات متكررة ولكنها ذات صلة.
الأهمية حسب الحساسية (Sensitivity Analysis)
نهج يقيّم أهمية متغير عن طريق تحليل كيف تؤثر تغييرات قيمه على مخرجات النموذج، غالبًا من خلال حساب المشتقات الجزئية أو محاكاة مونت كارلو.