يحتوي التعلم الآلي على مئات الخوارزميات، لكن عالم البيانات المتمرس يعتمد على مجموعة أساسية صغيرة بشكل مدهش. إذا تعلمت هذه الخوارزميات العشر جيدًا، فستتمكن من التعامل مع الغالبية العظمى من المشكلات الواقعية. يشرح هذا الدليل كل خوارزمية بلغة بسيطة — ما الذي تفعله، والفكرة الكامنة وراءها، ومتى يتم استخدامها — دون الحاجة إلى رياضيات معقدة.
أبرز الاستنتاجات
- لست بحاجة إلى مئات الخوارزميات — حوالي عشرة منها تغطي معظم الأعمال العملية.
- ابدأ بالأمور البسيطة: يُعدُّ كل من الانحدار الخطي والانحدار اللوجستي أساسًا لا غنى عنه، وغالبًا ما يصعب التفوق عليهما.
- الطرق القائمة على الشجرة (الغابات العشوائية، وتعزيز التدرج) هي الأدوات الأساسية في معالجة البيانات المنظمة.
- طابق الخوارزمية مع المشكلة — لا يوجد خيار واحد هو الأفضل.
1. الانحدار الخطي
وظيفته: يتنبأ برقم ما من خلال إقامة علاقة خطية بين المدخلات والمخرجات.
الفكرة: ابحث عن الخط الذي يتناسب بشكل أفضل مع نقاط البيانات الخاصة بك. توقع سعر المنزل بناءً على مساحته، أو توقع حجم المبيعات بناءً على الإنفاق الإعلاني — فالانحدار الخطي يرسم خط الاتجاه ويستخلص التوقعات منه.
استخدمه من أجل: توقع القيم المستمرة عندما تكون العلاقة خطية تقريبًا. إنها طريقة بسيطة وسريعة وسهلة التفسير — وتُعد دائمًا محاولة أولى معقولة.
2. الانحدار اللوجستي
وظيفته: يتنبأ بفئة ما — عادةً ما تكون «نعم» أو «لا» — من خلال تقدير الاحتمال.
الفكرة: على الرغم من اسمها، فهي خوارزمية تصنيف. فهي تقوم بتقييم المدخلات وتُخرج احتمالية تتراوح بين 0 و1: هل سيترك هذا العميل الخدمة؟ هل هذه الرسالة الإلكترونية بريد مزعج؟
استخدمه من أجل: التصنيف الثنائي. ومثل الانحدار الخطي، فهو بسيط وسريع وقابل للتفسير، ويشكل أساسًا قويًّا.
3. أشجار القرار
وظيفته: تقدم تنبؤات من خلال طرح سلسلة من الأسئلة التي تُجاب بـ«نعم» أو «لا».
الفكرة: فهي تُنشئ مخططًا انسيابيًا. “هل الدخل أعلى من X؟ → هل العمر أقل من Y؟ → …” ويقوم كل فرع بتضييق نطاق الخيارات حتى يتم التوصل إلى قرار.
استخدمه من أجل: التصنيف والانحدار عندما تريد نموذجًا يمكن للإنسان قراءته وفهمه. نقطة الضعف: الشجرة المفردة تتعرض بسهولة لظاهرة «التكيف المفرط» — وهو ما تعالجه الخوارزميتان التاليتان.
4. الغابة العشوائية
وظيفته: يجمع بين العديد من أشجار القرار في نموذج واحد أقوى وأكثر موثوقية.
الفكرة: بدلاً من الاعتماد على شجرة واحدة، قم ببناء مئات الأشجار — كل منها تختلف قليلاً عن الأخرى — ودعها «تصوت». فالجماعة أكثر دقة وأكثر استقرارًا بكثير من أي شجرة بمفردها.
استخدمه من أجل: مجموعة واسعة جدًا من مهام التصنيف والانحدار على البيانات المنظمة. فهي دقيقة ومتينة ومرنة — وتُعد واحدة من أفضل الخوارزميات متعددة الأغراض التي يمكن اللجوء إليها.
5. تعزيز التدرج
وظيفته: تقوم ببناء الأشجار بالتسلسل، حيث يصحح كل شجرة أخطاء الشجرة التي سبقتها.
الفكرة: بدلاً من إنشاء الأشجار بشكل مستقل (كما تفعل «الغابة العشوائية»)، يتم إنشاؤها واحدة تلو الأخرى، بحيث تركز كل شجرة على الأخطاء التي لا تزال قائمة. وغالبًا ما تكون النتيجة دقيقة للغاية.
استخدمه من أجل: البيانات المنظمة/الجدولية عندما تريد أعلى درجات الدقة. وتفوز التطبيقات الشائعة (مثل XGBoost وLightGBM) باستمرار في مسابقات علم البيانات. وهي تتطلب ضبطًا أكثر دقة مقارنةً بنموذج «الغابة العشوائية».
6. آلات المتجهات الداعمة (SVM)
وظيفته: يقوم بالتصنيف من خلال تحديد أفضل خط فاصل بين المجموعات.
الفكرة: فهي ترسم الخط — أو، في الأبعاد الأعلى، السطح — الذي يفصل بين الفئات بأكبر هامش ممكن بينهما.
استخدمه من أجل: التصنيف على مجموعات البيانات الصغيرة أو المتوسطة الحجم، لا سيما تلك التي تحتوي على العديد من السمات. وهي طريقة فعالة، وإن كانت أقل شيوعًا كخيار أول في الوقت الحالي، حيث تهيمن الطرق القائمة على الأشجار على معالجة البيانات الجدولية.
7. طريقة أقرب K جيران (KNN)
وظيفته: يقوم بتصنيف عنصر جديد من خلال النظر إلى العناصر الأكثر تشابهاً معه.
الفكرة: “أنت تشبه جيرانك”. لتصنيف نقطة جديدة، ابحث عن k أقرب النقاط المعروفة وتأخذ التسمية الأكثر شيوعًا بينها. لا توجد مرحلة تدريب حقيقية — فالنظام يكتفي بالمقارنة فقط.
استخدمه من أجل: مشاكل التصنيف البسيطة والمهام التي تتعلق بالتوصيات. طريقة بديهية وسهلة الفهم، لكنها بطيئة عند التعامل مع مجموعات البيانات الكبيرة.
8. التجميع بطريقة K-means
وظيفته: يقوم تلقائيًا بتجميع البيانات في k مجموعات — بدون أي تسميات.
الفكرة: هذا هو خوارزمية غير خاضعة للإشراف. ما عليك سوى تحديد عدد المجموعات المطلوب العثور عليها، وسيقوم البرنامج بفرز البيانات إلى ذلك العدد من المجموعات الطبيعية بناءً على التشابه.
استخدمه من أجل: اكتشاف الأنماط في البيانات غير المصنفة — تقسيم العملاء إلى شرائح، وتجميع المستندات، وتنظيم البيانات لأغراض الاستكشاف.
9. نموذج بايز البسيط
وظيفته: يصنف باستخدام الاحتمالات ونظرية بايز.
الفكرة: فهي تحسب احتمال كل فئة بناءً على سمات المدخلات، على افتراض (ببساطة، لكن بشكل مفيد) أن هذه السمات مستقلة عن بعضها. وعلى الرغم من هذا الافتراض المبسط، فإنها تعمل بشكل جيد للغاية.
استخدمه من أجل: تصنيف النصوص على وجه الخصوص — تصفية الرسائل غير المرغوب فيها، وتحليل المشاعر، وفرز الموضوعات. إنه سريع وخفيف الوزن، ويشكل أساسًا قويًّا للمهام اللغوية.
10. الشبكات العصبية
وظيفته: يتعلم أنماطًا معقدة للغاية من خلال طبقات من الوحدات المترابطة.
الفكرة: تمت تغطيتها بشكل مفصل في دليل الشبكات العصبية — طبقات من الوحدات البسيطة التي تتعلم السمات تلقائيًا. وتُعد الشبكات العصبية العميقة أساسًا لـ التعلُّم العميق.
استخدمه من أجل: البيانات المعقدة وغير المنظمة — مثل الصور والصوت واللغة. أما بالنسبة للبيانات البسيطة والمنظمة، فغالبًا ما تكون الخوارزميات المذكورة أعلاه أسرع وتقدم نفس المستوى من الأداء.
ما هي الخوارزمية التي ينبغي عليك استخدامها؟
| مشكلتك | ابدأ بـ |
|---|---|
| توقع رقم ما | الانحدار الخطي، ثم تعزيز التدرج |
| تصنيف «نعم/لا» | الانحدار اللوجستي، ثم نموذج الغابة العشوائية |
| بيانات منظمة/جدولية، بأقصى دقة | تقنية تعزيز التدرج أو الغابة العشوائية |
| تجميع البيانات غير المصنفة | التجميع بطريقة K-means |
| تصنيف النصوص | طريقة بايز البسيطة |
| الصور، الصوت، اللغة | الشبكات العصبية |
| أنت تريد نموذجًا قابلاً للتفسير | شجرة القرار، الانحدار الخطي/اللوجستي |
عادة المحترف: ابدأ ببساطة. جرب أولاً الانحدار الخطي أو اللوجستي لوضع خط أساس، ثم انتقل إلى نموذج «الغابة العشوائية» أو «التعزيز التدرجي» إذا كنت بحاجة إلى مزيد من الدقة. استعن بالشبكات العصبية عندما تكون البيانات معقدة حقًّا وغير منظمة. غالبًا ما يتفوق النموذج البسيط الذي تفهمه على النموذج المعقد الذي لا تفهمه.
كيفية الاختيار فعليًّا: مسار عمل سريع للتقييم
إن معرفة وظيفة كل خوارزمية ما هي إلا نصف المهمة. ففي الواقع، نادرًا ما تختار الخوارزمية “الصحيحة” بالاعتماد على المنطق وحده — بل تختار خيارين أو ثلاثة خيارات محتملة وتترك للبيانات أن تقرر. وإليك مسار العمل الذي يتبعه المحترفون، وهو لا يستغرق سوى دقائق معدودة بمجرد تنظيف البيانات.
1. ابدأ بفرضية أساسية خاطئة. قبل اللجوء إلى أي نموذج متطور، قم بقياس أداء متغير تنبؤي بسيط — مثل التنبؤ دائمًا بالفئة الأكثر شيوعًا، أو التنبؤ دائمًا بالقيمة المتوسطة. إذا لم يتمكن نموذجك الفعلي من التفوق على ذلك بسهولة، فهذا يعني أن هناك خطأً في السمات أو البيانات، وليس في اختيارك للخوارزمية. يحول خط الأساس السؤال “هل دقة 82% جيدة؟” إلى سؤال يمكنك الإجابة عليه.
2. حاول أن تضع قائمة مختصرة، لا تدرج كل شيء. بالنسبة لمعظم المشكلات التي تعتمد على الجداول، هناك ثلاثة خيارات رئيسية: الانحدار اللوجستي أو الخطي (سريع، قابل للتفسير، ويشكل أساسًا قويًّا بحد ذاته)، والغابة العشوائية (متينة، ولا تحتاج إلى أي تعديل تقريبًا)، ونموذج التعزيز التدرجي (الذي عادةً ما يكون الأفضل أداءً مع البيانات المنظمة). قم بتدريب النماذج الثلاثة وقارن بينها. ستتعلم أكثر من تجربة مقارنة واحدة صادقة أكثر مما تتعلمه من أسابيع من النظرية.
3. احسب النتيجة باستخدام التحقق المتبادل، وليس تقسيمًا واحدًا. قد يؤدي تقسيم البيانات إلى مجموعتين (تدريب واختبار) مرة واحدة إلى إظهار النموذج في صورة أفضل أو أسوأ من حقيقته، وذلك بمحض الصدفة. أما التحقق المتقاطع K-fold — الذي يتم فيه تقسيم البيانات إلى مجموعات، والتدريب على معظمها والاختبار على الباقي، ثم التناوب بين المجموعات — فيقدم تقديرًا أكثر دقة بكثير. في scikit-learn، وهي مكتبة Python القياسية المخصصة لهذا الغرض، فإن عملية واحدة cross_val_score تقوم الدالة بتنفيذ ذلك في سطر واحد، ويُعيَّن الإعداد الافتراضي على قيمة معقولة تبلغ خمسة أضعاف.
4. اختر المقياس الذي يتناسب مع حجم الرهان. تكون الدقة مضللة كلما كان هناك اختلال في التوازن بين الفئات: فقد يكون كاشف الاحتيال الذي يصنف كل شيء على أنه “شرعي” دقيقًا بنسبة 99%، لكنه عديم الفائدة. اختر بعناية — استخدم الدقة والاسترجاع (أو التوازن بينهما، أي درجة F1) للتصنيف غير المتوازن، ومقياسًا مثل متوسط الخطأ المطلق للانحدار. فالمقياس، وليس الخوارزمية، هو ما يعمل مشروعك فعليًّا على تحسينه.
متى يجب ترك الأمر لـ AutoML؟. إذا كنت تفضل عدم إجراء عملية الاختبار يدويًّا، فإن أدوات مثل AutoGluon وAuto-sklearn وTPOT ستقوم باختبار العديد من الخوارزميات والمعلمات الفائقة وتقدم لك أفضل مجموعة من النماذج. وهي أدوات ممتازة للمشاكل الجدولية الخاضعة للإشراف، وتُعد طريقة سريعة لوضع معايير عالية. ومن المهم معرفة حدودها: فهي تزيد من تكلفة الحوسبة، وغالبًا ما يكون النموذج الفائز مجموعة يصعب تفسيرها، كما أنها لا تغطي بشكل ملموس التعلم غير الخاضع للإشراف أو التعلم المعزز — لذا يبقى القرار في تطبيق ما ورد في هذه المقالة متروكًا لك.
الأسئلة الشائعة
ما هي أهم خوارزميات التعلم الآلي؟
بالنسبة لمعظم التطبيقات العملية: الانحدار الخطي، والانحدار اللوجستي، وأشجار القرار، والغابات العشوائية، وتعزيز التدرج، وآلات المتجهات الداعمة، وأقرب k جيران، والتجميع بطريقة k-means، ونموذج بايز البسيط، والشبكات العصبية. تغطي هذه الأساليب العشرة الغالبية العظمى من مشكلات العالم الواقعي.
ما هي خوارزمية التعلم الآلي التي ينبغي للمبتدئ أن يتعلمها أولاً؟
ابدأ بالانحدار الخطي والانحدار اللوجستي. فهما أبسط الطرق وأسهلها في الفهم وأسرعها في التنفيذ، كما أنهما يعلمانك المفاهيم الأساسية — وهي ملاءمة النموذج للبيانات وإجراء التنبؤات — التي تستند إليها جميع الخوارزميات الأخرى.
ما هي أفضل خوارزمية للتعلم الآلي؟
لا توجد خوارزمية واحدة هي الأفضل — فالاختيار الصحيح يعتمد على المشكلة والبيانات وأهدافك. بالنسبة للبيانات المنظمة، عادةً ما يكون كل من «التعزيز التدرجي» و«الغابات العشوائية» من أفضل الخوارزميات أداءً. أما بالنسبة للصور واللغة، فتتصدر الشبكات العصبية القائمة. احرص دائمًا على مطابقة الخوارزمية مع المهمة المطلوبة.
هل أحتاج إلى معرفة الأسس الرياضية لهذه الخوارزميات؟
لاستخدامها مع المكتبات الحديثة، لا تحتاج سوى إلى فهم نظري لما تقوم به كل خوارزمية ومتى يتم تطبيقها. أما لضبطها بشكل احترافي أو لإجراء الأبحاث، فإن المعرفة الرياضية الأعمق تكون مفيدة. يبدأ الكثيرون بتطبيق الخوارزميات ثم يتعلمون الرياضيات تدريجيًّا.
ما الفرق بين الخوارزمية والنموذج؟
الخوارزمية هي الطريقة أو الإجراء المستخدم للتعلم من البيانات — مثل الانحدار الخطي أو الغابة العشوائية. أما النموذج فهو النتيجة: الناتج المدرب الذي يتم إنتاجه عند تشغيل الخوارزمية على مجموعة بيانات محددة. الخوارزمية هي الوصفة؛ والنموذج هو الطبق النهائي.
كم عدد خوارزميات التعلم الآلي التي أحتاج فعليًّا إلى معرفتها؟
أقل مما تتصور. ففي معظم المشكلات الجدولية الحقيقية، تتولى ثلاث مجموعات من الخوارزميات الجزء الأكبر من العمل: الانحدار الخطي واللوجستي كخطوط أساس سريعة وقابلة للتفسير؛ والغابات العشوائية للحصول على نتائج قوية دون الحاجة إلى الكثير من الضبط؛ وتعزيز التدرج، الذي يميل إلى التفوق في التعامل مع البيانات المنظمة. إذا أتقنت هذه الأساليب إتقانًا عميقًا، وفهمت التجميع وخوارزمية KNN على المستوى المفاهيمي، فستتمكن من حل الغالبية العظمى من المشكلات اليومية قبل أن تلجأ إلى الشبكات العصبية.
هل من الأفضل أن أستخدم AutoML بدلاً من تعلم هذه الخوارزميات؟
يُعد AutoML اختصارًا حقيقيًّا للمهام الجدولية الخاضعة للإشراف — حيث تقوم أطر عمل مثل AutoGluon باختبار العديد من الخوارزميات وتقدم مجموعة قوية من الخوارزميات دون بذل جهد كبير. لكنه لا يُعد بديلاً عن الفهم. لا يزال عليك تحديد إطار المشكلة، واختيار مقياس التقييم المناسب، وتنقية السمات وهندستها، وتقييم ما إذا كانت النتيجة جديرة بالثقة أم لا. كما أن AutoML بالكاد تتطرق إلى التعلم غير الخاضع للإشراف والتعلم التعزيزي. تعامل معها كأداة تقوم بإجراء الاختبار التنافسي نيابة عنك، وليس كبديل عن معرفة ماهية المتنافسين.
ما هي الخوارزمية التي تفوز بأغلب مسابقات التعلم الآلي؟
فيما يتعلق بمجموعات البيانات المنظمة والجدولية التي تهيمن على منصات مثل Kaggle، يُعد «التعزيز التدرجي» — عادةً عبر XGBoost أو LightGBM أو CatBoost — الخيار المفضل بشكل ساحق، وغالبًا ما يكون ذلك كجزء من نموذج تجميعي. في المقابل، تتفوق الشبكات العصبية العميقة في معالجة البيانات غير المنظمة مثل الصور والصوت والنصوص. وهذا النمط ثابت: يُفضل استخدام تقنية التعزيز مع البيانات الجدولية، والشبكات العصبية عندما تكون المدخلات عبارة عن إدراك أولي.
الخلاصة
لست بحاجة إلى معرفة مئات الخوارزميات لممارسة التعلم الآلي الحقيقي — ما تحتاجه هو هذه الخوارزميات العشر. فالخوارزميات البسيطة (الانحدار الخطي والانحدار اللوجستي) تشكل أساسك، وغالبًا ما يصعب التفوق عليها. أما الطرق القائمة على الأشجار (الغابات العشوائية، وتعزيز التدرج) فهي العمود الفقري للبيانات المنظمة. وتتعامل خوارزمية K-means مع التجميع غير المصنف، بينما تتعامل خوارزمية نايف بايز مع النصوص، وتتعامل الشبكات العصبية مع المشكلات المعقدة وغير المنظمة.
المهارة لا تكمن في حفظ الخوارزميات — بل في اختيار الخوارزمية المناسبة للمشكلة، والبدء بالأمور البسيطة. تعلم هذه الخوارزميات العشر، وتدرب على مجموعات البيانات الحقيقية, ، وبذلك يمكنك إنجاز الغالبية العظمى من مهام التعلم الآلي.
