باختصار
سدّ القيم الناقصة (Imputation) هو تقدير القيم الغائبة في مجموعة بيانات اعتمادًا على القيم المتاحة حواليها، بدل حذف الصفوف الناقصة أو تركها فارغة.
بالتفصيل
البيانات الواقعية نادرًا ما تكون كاملة. حسّاس بيقع لساعتين، عدّاد بيتعطّل، صفّ بيضيع في النقل، استبيان بيسيبه المستجيب فاضي. والمشكلة إن معظم الخوارزميات ما بتقبلش فجوات.
الحلّ الكسول هو حذف أي صفّ فيه قيمة ناقصة. لكن ده خطر لسببين: بيضيّع بيانات كتير لو الفجوات منتشرة، والأهمّ إنه بيحيّز النتائج لو الغياب مش عشوائيًا — مثلًا لو الحسّاس بيقع تحديدًا وقت الأحمال العالية، فحذف الفجوات معناه حذف أهمّ الحالات.
طرق السدّ بتتدرّج في التعقيد. الأبسط: تعويض بالمتوسّط أو الوسيط، أو الحمل للأمام (تكرار آخر قيمة معروفة). أذكى منها: الاستيفاء الخطّي، أو نماذج انحدار تتنبّأ بالقيمة الناقصة من المتغيّرات الأخرى.
والاتجاه الحديث إن نماذج الأساس للسلاسل الزمنية بقت تدعم السدّ كقدرة أصيلة. نموذج Granite PatchTST-FM-r2 من IBM، المنشور في سبتمبر 2026، بيدعم سدّ القيم الناقصة إلى جانب التنبّؤ — وده منطقي، لأن النموذج اللي فهم البنية الزمنية للبيانات كفاية ليتنبّأ بالمستقبل يقدر يستخدم نفس الفهم ليقدّر فجوة في الماضي.
تنبيه مهمّ: القيمة المسدودة تقدير، مش قياس. لازم تفضل تعرف أي نقاط اتسدّت، عشان ما تعاملهاش كأنها بيانات مرصودة عند تقييم النموذج.
مثال عملي
عندك قراءات درجة حرارة كل ساعة لمستودع. يوم الجمعة الساعة 3 و4 و5 فجرًا القراءات مفقودة لأن الحسّاس اتفصل.
لو حذفت الصفوف دي، هتكسر انتظام السلسلة الزمنية وكتير من النماذج هتفشل. لو سدّيت بالاستيفاء الخطّي بين قراءة الساعة 2 والساعة 6، هتحصل على منحنى معقول يحافظ على شكل المنحنى الليلي. الأفضل: تسجّل علامة بأن النقاط دي مُقدَّرة.
مصطلحات مرتبطة
- Data Cleaning — تنظيف البيانات، المرحلة اللي ينتمي لها.
- Time Series — السلاسل الزمنية، أكثر مجال يحتاجه.
- Data Leakage — تسرّب البيانات، خطر يظهر لو سدّيت باستخدام معلومات مستقبلية.
المصادر: Hugging Face — 2026-09-09
