الوحدة 1 — لماذا تسبق المتغيّرات الخوارزمية في الأهمّية
عرضت الدورتان السابقتان نحو خمس عشرة خوارزمية. وهنا الحقيقة غير المريحة التي تفرضها الممارسة: على البيانات الجدولية، الانتقال من الانحدار اللوجستي إلى gradient boosting مضبوط بعناية يكسب بضع نقاط، أمّا إضافة المتغيّر الصحيح فتكسب عشرين نقطة أحيانًا. هذه الدورة تتناول الخطوة التي تحسم فعلًا، والتي يصرف فيها الممارسون معظم وقتهم.
المتغيّر تمثيلٌ للمعلومة لا عمودٌ خام
المتغيّر ليس عمودًا في الملفّ المصدر، بل طريقة لتقديم المعلومة إلى النموذج. فالواقع نفسه يمكن وصفه بطرق عدّة، وهي ليست متكافئة.
خُذ تاريخ الميلاد. هو بصورته الخامّ سلسلة نصّية لا يستفيد منها أيّ نموذج. وإذا حُوّل إلى عُمر صار رقمًا مرتّبًا نافعًا. وإذا قُسّم إلى فئات عمرية التقط آثار الحدود غير الخطّية. وإذا تقاطع مع مكان الإقامة كشف ملفًّا سكّانيًّا. عمود أصليّ واحد، وأربعة متغيّرات متزايدة الجودة — والنموذج نفسه لم يتغيّر في شيء.
هذا هو جوهر المهنة: النموذج يتعلّم الانتظامات في الفضاء الذي تمنحه له. فإن لم تكن المعلومة النافعة معبّرًا عنها هناك، فلن يخترعها أيّ عدد من الأشجار.
لماذا لا تعوّض الخوارزمية سوء التمثيل
لنأخذ مثالًا أوّليًّا. تريد التنبّؤ بما إذا كانت نقطة في المستوي تقع داخل دائرة مركزها نقطة الأصل. بالإحداثيَّين و وحدهما كمتغيّرات، يفشل النموذج الخطّي: فالحدّ دائرة، ولا يقاربها أيّ خطّ مستقيم. أضِف المتغيّر فيصير المسألة بديهية — تكفي مقارنة واحدة بعتبة.
لم يتغيّر شيء في المعلومة المتاحة: فـ مُستنتَج بالكامل من و . الذي تغيّر هو أنّ المعلومة صارت معبَّرًا عنها بالشكل الذي يعرف النموذج استغلاله. وهذا بعينه ما تفعله حيلة النواة في SVM، وما تتعلّمه الطبقات العميقة من تلقاء نفسها؛ أمّا هندسة المتغيّرات فتفعله صراحةً وبصورة قابلة للتفسير.
ما يفعله المتغيّر الجيّد
ثلاثة معايير تتيح الحكم على متغيّر مُرشَّح، وفرز الأفكار قبل كتابة ا لشيفرة:
- أن يحمل معلومة جديدة غير موجودة في غيره. فالمتغيّر شديد الارتباط بمتغيّر قائم يكلّف تعقيدًا ولا يضيف شيئًا؛
- أن يكون متاحًا لحظة التنبّؤ. وهذه قاعدة الصياغة من دورة التعلّم المُوجَّه، وأهمّ مصدر لخيبة الأمل في الإنتاج؛
- أن يكون له معنى عمليّ قابل للشرح. فالمتغيّر الذي لا تستطيع تبريره متغيّر لن تستطيع الدفاع عنه، ولا إصلاحه عندما ينحرف.
معرفة المجال مادّةً خامًّا
من أين تأتي المتغيّرات الجيّدة؟ من فهم الظاهرة دائمًا تقريبًا، لا من الإلهام الإحصائي. فلكشف الغشّ المصرفيّ، يقول المبلغ الخامّ للعملية شيئًا قليلًا؛ أمّا الفارق بين هذا المبلغ وعادة العميل فيقول الكثير. وهذا المتغيّر لا يُخترَع بالنظر إلى جدول، بل يأتي من معرفة كيف يعمل الغشّ.
ومن هنا نتيجة عمليّة في طريقة العمل: أفضل المتغيّرات تُولَد من حوار مع من يعرفون المجال، لا من حلقة آلية على التوليفات الممكنة. للأساليب الآلية موضعها، لكنّها تستكشف الفضاء الذي حدّدتَه أنت ؛ وهي لا تعيد تحديده.
موضع هذه الخطوة في المشروع
لنحدّد العمل تحديدًا سليمًا. التحضير — إصلاح القيم الناقصة والشاذّة والمكرّرة — يجعل البيانات قابلة للاستخدام؛ وهو شرط مسبق لا خلقٌ للقيمة. وهندسة المتغيّرات تحوّل وتُركّب للتعبير عن المعلومة النافعة. ثمّ يأتي الاختيار (الوحدة 9) فيقلّم ما لا يضيف شيئًا.
وتتبع هذه الدورة هذا الترتيب: المعالجة (الوحدتان 2 و3)، والترميز والبناء (الوحدات 4 إلى 7)، والتنقية (الوحدة 8)، والاختيار (الوحدة 9)، والتصنيع (الوحدة 10).
تضع مسوح المهنة بانتظام ما بين 60 و80 % من الوقت في تحضير المتغيّرات وبنائها. وهذا ليس عَرَضًا لسوء تن ظيم، بل هو موضع حَسْم الأداء. أمّا الإغراء المعاكس — تتالي النماذج على متغيّرات متواضعة أملًا في أن تنقذ خوارزميةٌ الموقف — فهو أكثر المفاهيم الخاطئة تكلفةً في هذا المجال.
الخلاصة
- المتغيّر تمثيلٌ للمعلومة لا عمود خامّ؛ والواقع نفسه يقبل تعبيرات شديدة التفاوت في الجودة.
- لا يتعلّم النموذج إلّا ما يجعله فضاء المتغيّرات قابلًا للتعبير: فالمتغيّر يحلّ مسألة لا يحلّها أيّ خطّ مستقيم.
- المتغيّر الجيّد يحمل معلومة جديدة، ويكون متاحًا لحظة التنبّؤ، وله معنى عمليّ قابل للدفاع عنه.
- المادّة الخامّ هي معرفة المجال؛ والأساليب الآلية تستكشف الفضاء الذي تحدّده أنت ولا تخلقه.
الوحدة التالية: القيم الناقصة، أوّل عقبة عمليّة، والاستراتيجيات الثلاث لمعالجتها دون إدخال تحيّز.