التحليلات (ANA-S)

تقنيات تعلّم الآلة باستخدام خوارزميات الانحدار

توضيح

تحاول خوارزميات الانحدار العثور على صيغة تطابق العينة بشكل أفضل من أجل التنبؤ بقيمة مستهدفة من عدة متغيرات (ويفضل أن تكون مستقلة).

على سبيل المثال، تخيل أن لديك البيانات الخاصة بجميع رحلات التاكسي في مدينة ما (الكيلومترات المقطوعة، وزمن الرحلات، والرسوم المدفوعة لكل رحلة). سينتج عن تحليل الانحدار أفضل صيغة تناسب غالبية رحلات التاكسي. إن مربع معامل ارتباط العينة (r2) هو مقياس جودة للانحدار، ويصف النسبة المئوية لأخذ العينات التي يتم تحديدها بدقة وفقاً للصيغة. إذا كانت قيمة r2 تساوي 0.9 مثلاً، فهذا يعني أن الصيغة تحدد بنسبة دقة 90٪ من كامل رحلات التاكسي.

ما هي الخوارزميات الممكن استخدامها؟

في TURBOARD، يمكنك استخدام نماذج الانحدار الخطي ومتعدد الحدود.

الاستخدامات والتطبيقات العملية الممكنة

1. كم سيصبح حجم المبيعات إذا قمنا بتغيير سعر المنتج مع تغيير سعر المنتجات البديلة/المنافسة؟
   
2. احسب ناتج الآلات وفقاً لجميع المعلمات الهندسية لغاية الوقت الحالي. حدد الآلات ذات الأداء المتفوق والمتأخرة.
   
3. بناءً على بياناتك الخاصة بمئات المشاريع ومعلماتها المختلفة، يمكنك تحديد معلمة جديدة للمشاريع المستقبلية. على سبيل المثال، قد تكون قادراً على التنبؤ بإجمالي نفقات المشروع بناءً على عدد الأشخاص (مع تعييناتهم) والعوامل الجغرافية والزمنية. يمكنك حتى استخدام البيانات الترتيبية مثل خطورة المشروع وصعوبة الشروط.
   

ما الذي يجب التحقق منه للحصول على أفضل النتائج؟

1. تحقق من قيمة مربع معامل ارتباط العينة (r2) في التعبيرات التي أنشأتها "Generated Expression" بعد تحديد كل معلمة مصدر للتأكد من أن لديك أكثر المعلمات ذات الصلة للتنبؤ بالمتغير الهدف. كلما زادت قيمة (r2)، كان تنبؤك أفضل.

ما طبيعة لوحة البيانات الناتجة؟

1. سينتج مخططات مبعثرة.
2. قد ترغب في استخدام التنسيق الشرطي لاستنباط المزيد من المخططات المبعثرة.

عينة من النتائج النهائية (من البيانات المفتوحة)

1. مقارنة المشاريع بمعلماتها المتوقعة والحقيقية. شاهد الفيديو أدناه.

التنقيب في البيانات باستخدام خوارزميات التجميع

توضيح

بالنظر إلى أي عدد من المعلمات، ستنشئ خوارزميات التجميع مجموعات من الكيانات بناءً على تقاربها.

ما هي الخوارزميات الممكن استخدامها؟

خوارزمية تجميع كي-المتوسط (K-means) وخوارزمية تجميع التحول (Mean Shift) هما من الخوارزميات المتوفرة ضمن مستودع النماذج الإحصائية لبرنامج تيربورد.

الاستخدامات والتطبيقات العملية الممكنة

1. قم بتصنيف عملائك ضمن مجموعات وإعداد حملات تسويقية مناسبة لكل مجموعة مستهدفة.
2. Pالأطباء الذين أجروا عمليات قيصرية مجمعين حسب ترتيبهم وموقعهم الجغرافي ونوع المستشفى. قم بالفلترة/التصفية حسب أيام الأسبوع وشاهد التغييرات في البيانات الحية الحقيقية.

ما الذي يجب التحقق منه للحصول على أفضل النتائج؟

1. فقط تحقق من المجموعات في المخططات الناتجة فيما يتعلق بوضعها.
2. استخدم المجموعات كفلاتر وتحقّق من لوحة معلومات تيربورد لمعرفة ما إذا كانت كل مجموعة منطقية أم لا.

ما طبيعة لوحة البيانات الناتجة؟

1. سيقوم برنامج TURBOARD بإنشاء مخططات مبعثرة مضلعة مجمعة لأزواج من المعلمات. نظراً لأنه من غير الممكن تمثيل الأبعاد الفضائية الزائدة بطريقة يمكن للبشر فهمها، فإن هذه المقاطع العرضية هي الطريقة الوحيدة لإظهار نتائج النموذج.

عينة من النتائج النهائية

1. مجموعة بيانات زهرة السوسنة (فيشر) (Iris). شاهد الفيديو أدناه.

المحاكاة الافتراضية (ماذا لو؟) المدعومة بالذكاء الاصطناعي

توضيح

تعد تقارير (ماذا لو) التي يقدمها تيربورد فريدة من نوعها من حيث أنها يمكن أن تستخدم نماذج إحصائية ضمن تحليل المحاكاة الافتراضية (What-If). على سبيل المثال، من الممكن توقع أن زيادة سعر منتج ما بنسبة 20٪ لن يؤدي بالضرورة إلى زيادة حجم المبيعات بالمقدار نفسه (أي بنسبة 20٪)، إذ قد يتنبأ الذكاء الاصطناعي بانخفاض المبيعات عند رفع السعر.

ما هي الخوارزميات الممكن استخدامها؟

1. يمكن استخدام الانحدار الخطي أو متعدد الحدود.
2. يمكنك استخدام المعلمات جنباً إلى جنب مع التعبيرات المدعومة بالتحليلات.

الاستخدامات والتطبيقات العملية الممكنة

1. ضع في اعتبارك البدائل والمنتجات التكميلية وأسعار السوق المنافسة وتوقع حجم المبيعات عن طريق محاكاة تغيرات الأسعار. ارفع حجم أرباحك إلى أقصاه من خلال تحديد أفضل الأسعار. تحقق من الفيديو في صفحة "حزمة حلول سلاسل محلات البقالة" ضمن نافذة "التسعير".
2. حدد ميزانيتك السنوية من خلال التلاعب بفئات الميزانية الوظيفية والاقتصادية والإدارية. استهدف الميزانية الإجمالية للعام المقبل. قم بتحديد آثار التسويات قبل إقرار الميزانية وليس بعدها.

ما الذي يجب التحقق منه للحصول على أفضل النتائج؟

1. استخدم وظيفة استنساخ لوحات البيانات في TURBOARD والمحمية ببراءة اختراع لملاحظة التغييرات في لوحة بيانات "ماذا لو" ومقارنتها مع البيانات الحقيقية في لوحة البيانات المجاورة.

ما طبيعة لوحة البيانات الناتجة؟

1. يمكن تطبيق المحاكاة الافتراضية "ماذا لو" على أي لوحة معلومات ليس لنوع التحليل لها أية لوحات معلومات مُنشأة تلقائياً.

عينة من النتائج النهائية

1. إذا انتهى الأمر بالشركات التي يُتوقع إفلاسها إلى الإفلاس، فكم عدد الأشخاص الذين سيصبحون عاطلين عن العمل العام المقبل؟ شاهد الفيديو أدناه.
2. إذا قمت بتغيير سعر الأفوكادو العضوي، فكيف سيؤثر ذلك على حجم مبيعات كل من الأفوكادو العضوي والتقليدي؟ شاهد الفيديو أدناه.