ضبط المقياس للميزات باستخدام Scikit-learn || تحديد الحد الأدنى-الأقصى | قياس معياري

في هذا البرنامج التعليمي سوف نتكلم عن Feature Scaling في مكتبة Scikit-learn باللغة العربية. Feature Scaling هي عملية تقليل متغيرات البيانات إلى نطاق معين مما يساعد على تحسين أداء نماذج التعلم الآلي. هناك اثنين من أساليب Feature Scaling التي سوف نتكلم عنها في هذا البرنامج التعليمي: Min-Max scaling و Standardization.

Min-Max scaling:
هذه التقنية تقوم بتحويل القيم من نطاق معين كحد أقصى وحد أدنى. عملية Min-Max scaling تستخدم العملية التالية:
X_scaled = (X – X_min) / (X_max – X_min)

يمكن تنفيذ Min-Max scaling في Scikit-learn باستخدام MinMaxScaler كما هو موضح في الشيفرة التالية:

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
X_scaled = scaler.fit_transform(X)

Standardization:
هذه التقنية تقوم بتحويل البيانات إلى توزيع صفر متوسط وواحد انحراف معياري. عملية Standardization تستخدم العملية التالية:
X_scaled = (X – mean(X)) / std(X)

يمكن تنفيذ Standardization في Scikit-learn باستخدام StandardScaler كما هو موضح في الشيفرة التالية:

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

إليك مثال على كيفية استخدام هذه التقنيات في مجموعة بيانات وهمية:

import numpy as np
from sklearn.datasets import make_blobs
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler, StandardScaler

# إنشاء مجموعة بيانات وهمية
X, y = make_blobs()

# تقسيم البيانات إلى مجموعة تدريب واختبار
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# تطبيق Min-Max scaling
scaler = MinMaxScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

# تطبيق Standardization
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

بعد تنفيذ هذه الخطوات، يمكنك استخدام البيانات المقاسة لتدريب نموذج تعلم الآلة وتحسين أدائه. يمكنك الاطلاع على مستندات Scikit-learn لمزيد من المعلومات حول Feature Scaling وطرق تنفيذها في البرنامج.

أتمنى أن يكون هذا البرنامج التعليمي مفيداً وواضحاً بالنسبة لك ولجميع القراء. إذا كانت لديك أي أسئلة، فلا تتردد في طرحها في التعليقات. شكراً لك.