أهداف التعلم

• أن تعرّف التنبؤ في سياق الذكاء الاصطناعي.
• أن تميز بين التنبؤ بقيمة عددية والتنبؤ بفئة.
• أن ترتب خطوات بناء نموذج تنبؤ.
• أن تفسر دقة النموذج وحدوده.

شرح الدرس

ما التنبؤ؟

التنبؤ هو استخدام نموذج تعلّم من بيانات سابقة لتقدير نتيجة غير معروفة لحالة جديدة. النموذج يكتشف العلاقة بين المدخلات (الخصائص) والمخرج (الهدف)، ثم يطبقها على بيانات لم يرها.

نوعا التنبؤ

• التنبؤ بقيمة عددية (الانحدار): المخرج رقم مستمر، مثل درجة الحرارة، أو سعر شقة، أو كمية محصول القمح المتوقعة.
• التنبؤ بفئة (التصنيف): المخرج فئة من عدد محدد من الاحتمالات، مثل: ستمطر أم لا؟ هل الورقة النباتية سليمة أم مصابة؟

مثال مبسط على العلاقة الخطية

لاحظ فلاح أن كمية المحصول تزداد بانتظام مع كمية الري ضمن حدود معينة. إذا جمع بيانات مواسم سابقة ومثلها بيانيًا، قد تقترب النقاط من خط مستقيم. النموذج الأبسط يرسم أفضل خط يمر قرب هذه النقاط، ثم يستخدمه للتنبؤ بالمحصول عند كمية ري جديدة. هذه فكرة الانحدار الخطي.

خطوات بناء نموذج تنبؤ

1. تحديد الهدف: ماذا نريد أن نتنبأ به؟
2. اختيار الخصائص: ما المدخلات المؤثرة؟ (مثل: الحرارة والرطوبة وسرعة الرياح للتنبؤ بالمطر).
3. جمع البيانات وتنظيفها.
4. تقسيم البيانات: جزء للتدريب (مثلًا $80\%$) وجزء للاختبار ($20\%$).
5. تدريب النموذج على بيانات التدريب.
6. تقييم النموذج على بيانات الاختبار.
7. الاستخدام مع المراقبة والتحديث المستمر.

تقييم النموذج

• في التصنيف نحسب الدقة: نسبة التنبؤات الصحيحة إلى كل التنبؤات. نموذج أصاب في $90$ حالة من $100$ حالة اختبار دقته $90\%$.
• في التنبؤ بقيمة نقيس مقدار الخطأ: الفرق بين القيمة المتوقعة والحقيقية؛ كلما صغر كان النموذج أفضل.

حدود التنبؤ

• التنبؤ احتمال وليس يقينًا.
• إذا تغيرت الظروف كثيرًا عن بيانات التدريب ضعفت دقة النموذج.
• الارتباط لا يعني السببية: وجود علاقة بين متغيرين في البيانات لا يثبت أن أحدهما سبب الآخر.

أسئلة للتدريب

1. صنّف: التنبؤ بسعر سيارة مستعملة، التنبؤ بنجاح طالب أو رسوبه.
2. لماذا نقسم البيانات إلى جزء للتدريب وجزء للاختبار؟
3. نموذج أصاب في $45$ حالة من $60$. احسب دقته.
4. اذكر ثلاث خصائص يمكن استخدامها للتنبؤ باستهلاك الكهرباء في منزل.
5. اشرح بمثال لماذا لا يعني الارتباط أن أحد المتغيرين سبب للآخر.