صفحة 147 - كتاب علم البيانات - الصف 11 - الفصل 1 - المملكة العربية السعودية

📚 مهام النمذجة التنبؤية

المفاهيم الأساسية

التصنيف (Classification): نموذج يعتمد على تقييم المتغيرات المدخلة ثم تصنيفها ضمن مجموعات لتكوين بيانات المخرجات ذات القيم المتقطعة (مثل: نعم/لا).

الانحدار (Regression): نموذج يعتمد على إيجاد علاقات رياضية تربط بين متغيرين (مستقل وتابع) للتنبؤ بالقيم المحتملة للمتغير التابع، ويمثل بيانيًا بخط مستقيم.

خريطة المفاهيم

```markmap

4. نمذجة البيانات التنبؤية والتوقع

النمذجة التنبؤية

فئات النمذجة التنبؤية

#### النماذج المعاملية (Parametric Models)

##### الافتراضات

###### جزء أساسي من النموذج

###### تحسن التنبؤات وتجعل النموذج أسهل للفهم

##### المبدأ

###### يضع افتراضات محددة حول شكل دالة التعيين

###### يفترض مجموعة محددة مسبقاً من المعاملات

###### يقوم بتلخيص بيانات التدريب من خلال هذه المعاملات

#### النماذج غير المعاملية (Non-Parametric Models)

##### المبدأ

###### لا تهتم بتكوين افتراضات حول دالة التعيين

###### يمكنها تقدير طبيعة العلاقة الوظيفية من خلال بيانات التدريب

###### خيار ممتاز لتحليل الكميات الكبيرة من البيانات دون معرفة سابقة

مصادر البيانات للتحليل

#### بيانات عملياتية (Transactional Data)

#### بيانات العملاء (Customer Data)

#### البيانات الطبية (Medical Data)

#### البيانات المالية (Financial Data)

#### المعلومات الديموغرافية (Demographic Data)

#### البيانات الجغرافية (Geographic Data)

#### بيانات التسويق الرقمي (Digital Marketing Data)

#### إحصائيات الويب (Web Traffic Statistics)

مهام النمذجة التنبؤية

#### 1. التصنيف (Classification)

##### المبدأ

###### تقييم المتغيرات المدخلة وتصنيفها في مجموعات

###### المخرجات ذات قيم متقطعة (Discrete)

##### الاستخدام

###### تقييم عمليات التمويل والبيع بالتجزئة

###### جمع المعلومات بسرعة وتصنيفها لتقديم إجابات

#### 2. الانحدار (Regression)

##### المبدأ

###### إيجاد علاقة رياضية تربط بين متغيرين

###### المتغير المستقل (Independent Variable) والمتغير التابع (Dependent Variable)

###### التنبؤ بقيم المتغير التابع من خلال معالجة قيم المتغير المستقل

###### التمثيل البياني: خط مستقيم (انحدار خطي)

##### الاستخدام

###### التنبؤ بقيم مستمرة (مثل: مدة بقاء شخص في المستشفى)

```

نقاط مهمة

• التصنيف يتنبأ بقيم مخرجات متقطعة (مثل: نعم/لا، فئات).
• الانحدار يتنبأ بقيم مخرجات مستمرة أو كمية (مثل: عدد الأيام، قيمة رقمية).
• في التصنيف، يكون الخط الفاصل هو الحد بين فئتين مختلفتين.
• في الانحدار، يكون الخط المنقط يمثل العلاقة الخطية بين متغيرين.

مقارنة سريعة

| التصنيف | الانحدار |

| :--- | :--- |

| التنبؤ بمخرجات ذات قيم متقطعة (عدد صحيح). | التنبؤ بناتج كمي مستمر (قيمة حقيقية). |

| تعيين قيمة المدخل (X) مع مخرج ذي قيم متقطعة (Y). | تعيين قيمة المدخل (X) مع مخرج ذي قيم مستمرة (Y). |

مهام النمذجة التنبؤية Predictive Modeling Tasks تعد نماذج التصنيف (Classification) والانحدار (Regression) من أهم النماذج وأكثرها استخدامًا في مهام النمذجة التنبؤية.

1. التصنيف Classification

يعتمد نموذج التصنيف على عملية تقييم المتغيرات المدخلة ثم تصنيفها ضمن مجموعات لتكوين بيانات المخرجات، وبذلك فإن المتغير الذي سيتم توقعه ستكون له قيم متقطعة (Discrete). وقد تكون هذه القيم ببساطة مجرد إجابة لسؤال معين بـ "نعم" أو "لا". ويستخدم نموذج التصنيف في تقييم عمليات التمويل والبيع بالتجزئة، حيث بمقدوره جمع المعلومات بسرعة وتصنيفها في مجموعات لتقديم الإجابات عن الأسئلة المتعلقة بتلك العمليات.

2. الانحدار Regression

يعتمد نموذج الانحدار على مبدأ إيجاد علاقات رياضية تربط بين متغيرين، بحيث يمكن تنبؤ أحدهما من خلال معرفة المتغير الآخر، ويطلق على المتغير المدخل اسم المتغير المستقل (Independent Variable)، بينما يطلق على المتغير المخرج اسم المتغير التابع (Dependent Variable)، ويتنبأ هذا النموذج بالقيم المحتملة للمتغيرات التابعة من خلال معالجة قيم المتغيرات المستقلة. يتم تمثيل هذا النموذج بيانيًا في صورة خط مستقيم (انحدار خطي) يتقارب مع جميع نقاط البيانات المستقلة. ويمكن لنموذج الانحدار على سبيل المثال التنبؤ بمدة بقاء شخص إبان دخول المستشفى، ويمثل عدد الأيام في المستشفى المتغير التابع، أما معدل النبض لذلك الشخص مثلاً فيمثل المتغير المستقل.

شكل 4.2: يوضح الفرق بين التصنيف (الشكل العلوي) والانحدار (الشكل السفلي). حيث يمثل التصنيف الخط الفاصل وهو الحد الخطي الفاصل بين فئتين مختلفتين، بينما يمثل الخط المنقط في الانحدار العلاقة الخطية بين متغيرين.

الجدول 4.2: مقارنة بين التصنيف والانحدار

وزارة التعليم Ministry of Education 2025 - 1447

مهام النمذجة التنبؤية Predictive Modeling Tasks تعد نماذج التصنيف (Classification) والانحدار (Regression) من أهم النماذج وأكثرها استخدامًا في مهام النمذجة التنبؤية. 1. التصنيف Classification يعتمد نموذج التصنيف على عملية تقييم المتغيرات المدخلة ثم تصنيفها ضمن مجموعات لتكوين بيانات المخرجات، وبذلك فإن المتغير الذي سيتم توقعه ستكون له قيم متقطعة (Discrete). وقد تكون هذه القيم ببساطة مجرد إجابة لسؤال معين بـ "نعم" أو "لا". ويستخدم نموذج التصنيف في تقييم عمليات التمويل والبيع بالتجزئة، حيث بمقدوره جمع المعلومات بسرعة وتصنيفها في مجموعات لتقديم الإجابات عن الأسئلة المتعلقة بتلك العمليات. 2. الانحدار Regression يعتمد نموذج الانحدار على مبدأ إيجاد علاقات رياضية تربط بين متغيرين، بحيث يمكن تنبؤ أحدهما من خلال معرفة المتغير الآخر، ويطلق على المتغير المدخل اسم المتغير المستقل (Independent Variable)، بينما يطلق على المتغير المخرج اسم المتغير التابع (Dependent Variable)، ويتنبأ هذا النموذج بالقيم المحتملة للمتغيرات التابعة من خلال معالجة قيم المتغيرات المستقلة. يتم تمثيل هذا النموذج بيانيًا في صورة خط مستقيم (انحدار خطي) يتقارب مع جميع نقاط البيانات المستقلة. ويمكن لنموذج الانحدار على سبيل المثال التنبؤ بمدة بقاء شخص إبان دخول المستشفى، ويمثل عدد الأيام في المستشفى المتغير التابع، أما معدل النبض لذلك الشخص مثلاً فيمثل المتغير المستقل. شكل 4.2: يوضح الفرق بين التصنيف (الشكل العلوي) والانحدار (الشكل السفلي). حيث يمثل التصنيف الخط الفاصل وهو الحد الخطي الفاصل بين فئتين مختلفتين، بينما يمثل الخط المنقط في الانحدار العلاقة الخطية بين متغيرين. الجدول 4.2: مقارنة بين التصنيف والانحدار وزارة التعليم Ministry of Education 2025 - 1447 --- VISUAL CONTEXT --- **FIGURE**: يوضح الفرق بين التصنيف (الشكل العلوي) والانحدار (الشكل السفلي). Description: The figure consists of two conceptual scatter plots. The upper plot illustrates classification, showing two distinct groups of data points separated by a linear boundary. The lower plot illustrates regression, showing a linear trend among data points. X-axis: غير محدد Y-axis: غير محدد Data: Upper Plot (Classification): - Two distinct clusters of points: one cluster consists of square-shaped points, generally located in the lower-left region, and the second cluster consists of triangular-shaped points, generally located in the upper-right region. - A dashed diagonal line separates these two clusters, running from the lower-left to the upper-right. This line represents the decision boundary. Lower Plot (Regression): - A single cluster of circular-shaped points, showing a general upward trend from the lower-left to the upper-right. - A dotted diagonal line passes through the center of this cluster, representing the linear regression line or trend line. Context: Illustrates the visual difference between classification (categorizing data into distinct groups) and regression (finding a continuous relationship/trend in data). (Note: Some details are estimated) **TABLE**: مقارنة بين التصنيف والانحدار Description: No description Table Structure: Headers: التصنيف | الانحدار Rows: Row 1: التصنيف هو التنبؤ بالمخرجات لفئة متقطعة بمعنى أن المتغير المخرج يجب أن يكون عددًا صحيحًا. | الانحدار هو التنبؤ بناتج كمي مستمر بمعنى أن المتغير المخرج يجب أن يكون قيمة مستمرة أو عددًا حقيقيًا. Row 2: تستخدم خوارزمية التصنيف لتعيين قيمة المدخل (X) مع المتغير المخرج ذي القيم المتقطعة (Y). | تستخدم خوارزمية الانحدار لتعيين قيمة المدخل (X) مع المتغير المخرج ذي القيم المستمرة (Y). Calculation needed: Comparison of concepts and algorithms for Classification and Regression. Context: Provides a structured comparison of key characteristics and applications of classification and regression models.