باختصار
Outliers (القيم الشاذّة) قيم بعيدة عن معظم القيم التانية.
بالتفصيل
حسب مسرد Google، في تعلّم الآلة القيم دي كلها بتتحسب شاذّة:
- بيانات إدخال قيمتها بعيدة عن المتوسّط بأكتر من حوالي 3 انحرافات معيارية.
- أوزان قيمتها المطلقة عالية.
- قيم متوقّعة بعيدة نسبيًا عن القيم الحقيقية.
من أين بتيجي؟ غالبًا من غلطات كتابة أو أخطاء إدخال. لكن مش دايمًا: قيمة بعيدة عن المتوسّط بخمس انحرافات معيارية نادرة، لكنها مش مستحيلة.
المسرد بيقول إن القيم الشاذّة غالبًا بتسبّب مشاكل في التدريب، وإن Clipping (القصّ) طريقة من طرق التعامل معاها: يعني تحطّ حدّ أعلى وأدنى للقيم.
مثال عملي
مثال المسرد: عندك خاصّية اسمها سعر المنتج، متوسّطها 7 يورو والانحراف المعياري 1 يورو. أي مثال سعره 12 يورو أو 2 يورو يبقى قيمة شاذّة، لأن كل واحد منهم بعيد عن المتوسّط بخمس انحرافات معيارية.
قبل ما تقصّ أو تحذف، اسأل: سعر الـ 12 يورو ده غلطة (حدّ كتب 12 بدل 7.2)؟ ولا منتج حقيقي فاخر؟ لو غلطة، صلّحها. لو حقيقي، حذفه هيخلّي النموذج ما يعرفش يتعامل مع الحالات دي لما تقابله بعدين.
مصطلحات مرتبطة
- Anomaly Detection — كشف الشذوذ.
- Clipping — القصّ.
- Standard Deviation — الانحراف المعياري.
- Data Cleaning — تنظيف البيانات.
المصادر: Google ML Glossary
