الانحدار الخطي (Linear Regression) ومقياس الخطأ MSE
Linear Regression and MSE
الجواب المختصر
الانحدار الخطي يحاول إيجاد أفضل خط مستقيم يقرّب العلاقة بين المدخل x والمخرج y بالمعادلة y = mx + c، حيث m الميل (كم تزيد y عندما تزيد x) وc الثابت أو المقطع (قيمة y عندما x = 0). مثال: توقع سعر بيت من مساحته: بعد التدريب على أمثلة (مساحة، سعر) يعطي سعرًا متوقعًا لمساحة جديدة. ويقيس MSE جودة النموذج: لكل نقطة نحسب (الحقيقة − التوقع) ونربع الخطأ ثم نأخذ المتوسط.
الفكرة
- ننشئ أو نجمع أزواج (x, y) فيها بعض الضوضاء كما في الواقع.
- ندرّب النموذج ليحسب أفضل ميل m وثابت c.
- نرسم النقاط والخط الناتج (خط أفضل مطابقة).
- نحسب MSE بمقارنة y الحقيقي بـ y المتوقع.
- نجرّب قيمة x جديدة (مثل 1.5) ونطلب التوقع.
| المصطلح | المعنى |
|---|---|
| m (الميل) | مقدار زيادة y عند زيادة x بمقدار واحد |
| c (المقطع) | قيمة y عندما x = 0 |
| MSE | متوسط (الحقيقة − التوقع)²؛ الأصغر أفضل |
ملاحظات
تربيع الخطأ يجعل الأخطاء الكبيرة أثقل أثرًا، ويمنع تعويض الأخطاء الموجبة بالسالبة. ويُقسَّم عادةً إلى تدريب واختبار للتأكد أن النموذج تعمّم (التدريب والاختبار).
وهو نموذج انحدار ضمن التعلم تحت الإشراف، ويمكن مقارنته بـاللوجستي للتصنيف.
تذكير
الانحدار الخطي يفترض علاقة قريبة من الخط المستقيم؛ إن كانت العلاقة منحنية بشدة فسيعطي أخطاء كبيرة مهما درّبته، وعندها تُجرَّب نماذج أخرى.
وإن أردت مقارنة نموذجين على البيانات نفسها فالنموذج الأصغر في MSE أدق.
المصطلحات: عربي ↔ English
- انحدار خطي
- Linear Regression
- متوسط مربع الخطأ
- Mean Squared Error (MSE)
- الميل
- Slope
- خط أفضل مطابقة
- Best-Fit Line
لماذا يهمّ هذا في BTEC؟
عند شرح أي نموذج تنبؤي اذكر كيف يُقاس أداؤه. وMSE أحد أبسط المقاييس للانحدار.
أسئلة تجيب عنها هذه الصفحة
- ما هو الانحدار الخطي؟
- ما هو MSE؟
مفاهيم مرتبطة
- التصنيف والانحدار: كيف أعرف نوع المهمة؟إذا كانت المخرجات اسمًا أو فئة (نعم/لا، قطة/كلب، سبام/ليس سبام) فهي مهمة تصنيف، وإذا كانت رقمًا مستمرًا (سعر، طول، حرارة، علامة) فهي انحدار. وقد سمّي انحدارًا لأن هدفه توقع قيمة رقمية لا فئة.
- التعلم تحت الإشراف وبدون إشراف: الفرق وأمثلةفي التعلم تحت الإشراف تكون لدينا مدخلات X معها الإجابة الصحيحة Y فيتعلم النموذج العلاقة بينهما ثم يتنبأ، وفي التعلم بدون إشراف مدخلات فقط ويكتشف النموذج الأنماط، كتقسيم العملاء إلى مجموعات.
- الانحدار اللوجستي: كيف يتحول الاحتمال إلى قرار؟الانحدار اللوجستي نموذج تعلم تحت الإشراف يُستخدم عندما تكون النتيجة فئة 0 أو 1: يتوقع احتمالًا بين 0 و1 عبر دالة السيجمويد ثم يحوّله إلى قرار بعتبة (غالبًا 0.5).
- مجموعات التدريب والتحقق والاختبار: كيف نقسّم البيانات ولماذا؟نقسّم البيانات إلى تدريب (يتعلم منها النموذج)، وتحقق (لضبط الإعدادات واختيار البنية)، واختبار (تُحفظ بعيدًا لقياس الأداء الحقيقي بعد التدريب). ويجب أن تحافظ المجموعات على نسب الفئات نفسها، وأن يُعزل الاختبار فلا تتلوث بيانات الاختبار.
- الشبكات العصبية: أين نستخدمها وما فوائدها وعيوبها؟الشبكات العصبية مناسبة للبيانات المعقدة (صور، نصوص، صوت) حيث يصعب كتابة قواعد يدويًا. تتعلم العلاقات المعقدة وقد تحقق دقة عالية، لكنها تحتاج بيانات كثيرة وقدرة حسابية، وصعبة التفسير (صندوق أسود)، وقد تقع في فرط التعلم.
عن كاتب الصفحة
مدرّس BTEC IT · الأردن
- نوع المحتوى
- شرح مبني على مادة أحمد دومي — وليس نصًّا رسميًّا من Pearson
- آخر مراجعة
- ملاحظة على المصدر
- تعتمد هذه الصفحة على ملاحظات قصيرة لأحمد دومي عن الموضوع، وأُضيف إليها شرح توضيحي عام ليكتمل الجواب.
- المصدر
- ملاحظات تعلّم الآلة وأدوات الذكاء الاصطناعي (أحمد دومي) — الانحدار الخطي