مقدمة
تُعتبر النماذج الخطية من أهم الأساليب في الإحصاء وتعلم الآلة، حيث يتم استخدامها لفهم العلاقة بين المتغيرات والتنبؤ بالقيم المستقبلية بطريقة بسيطة وفعالة.
رغم بساطتها، إلا أنها تشكل الأساس الذي بنيت عليه العديد من خوارزميات الذكاء الاصطناعي الحديثة.
ما هي النماذج الخطية؟
النماذج الخطية هي نماذج رياضية تفترض أن العلاقة بين المدخلات (المتغيرات المستقلة) والمخرجات (المتغير التابع) يمكن تمثيلها بخط مستقيم أو دالة خطية.
أي أنها تفترض أن التغير في المخرجات يتناسب بشكل مباشر مع التغير في المدخلات.
الفكرة الأساسية
الفكرة بسيطة: نحاول إيجاد خط أفضل يمثل العلاقة بين البيانات.
هذا الخط يستخدم لاحقًا للتنبؤ بقيم جديدة بناءً على المدخلات.
المعادلة الرياضية
تمثل النماذج الخطية عادة بالمعادلة التالية:
حيث:
- y: القيمة المتوقعة
- x: المدخلات
- m: الميل (الوزن)
- b: الثابت
في الحالات متعددة المتغيرات تصبح المعادلة أكثر تعقيدًا لكنها تبقى خطية.
أنواع النماذج الخطية
- الانحدار الخطي البسيط
- الانحدار الخطي المتعدد
- الانحدار اللوجستي
- النماذج المنتظمة (Ridge & Lasso)
الانحدار الخطي
هو أشهر نوع من النماذج الخطية ويستخدم للتنبؤ بالقيم المستمرة مثل الأسعار أو درجات الحرارة.
يعتمد على إيجاد أفضل خط يقلل الخطأ بين القيم الحقيقية والمتوقعة.
الافتراضات الأساسية
لكي يعمل النموذج الخطي بشكل صحيح، يجب توفر عدة شروط:
- العلاقة خطية
- استقلال المتغيرات
- ثبات التباين
- توزيع طبيعي للأخطاء
كيف يتم تدريب النموذج؟
يتم تدريب النموذج من خلال تعديل القيم (الأوزان) حتى يتم تقليل الخطأ بين التوقعات والنتائج الفعلية.
دالة الخطأ
تستخدم دالة الخطأ لقياس الفرق بين القيم الحقيقية والمتوقعة.
الانحدار التدريجي
هي طريقة تحسين تُستخدم لتحديث الأوزان تدريجيًا للوصول إلى أفضل نموذج ممكن.
تعتمد على تقليل الخطأ خطوة بخطوة.
المميزات
- بسيطة وسهلة الفهم
- سريعة في التدريب
- قابلة للتفسير
- تعمل جيدًا مع البيانات الخطية
العيوب
- لا تعمل جيدًا مع العلاقات المعقدة
- حساسة للقيم الشاذة
- تفترض خطية العلاقة دائمًا
أمثلة عملية
توقع أسعار المنازل
استخدام مساحة المنزل وعدد الغرف للتنبؤ بالسعر.
توقع درجات الطلاب
استخدام عدد ساعات الدراسة للتنبؤ بالنتيجة.
تحليل المبيعات
توقع المبيعات بناءً على الإنفاق الإعلاني.
التطبيقات
- الاقتصاد
- الطب
- التسويق
- الهندسة
- الذكاء الاصطناعي
مقارنة مع النماذج الأخرى
النماذج الخطية أبسط من الشبكات العصبية، لكنها أكثر قابلية للتفسير.
بينما النماذج المعقدة قد تعطي دقة أعلى، إلا أنها أقل وضوحًا.