باختصار
Feature Importances (أهمية الخصائص، وبيتقال لها كمان Variable Importances) مجموعة درجات بتوضّح الأهمية النسبية لكل خاصّية بالنسبة للنموذج.
بالتفصيل
النموذج بياخد خصائص كتير كمدخلات، لكن مش كلهم بيأثّروا بنفس القدر. أهمية الخصائص بتجاوب: النموذج بيعتمد على أنهي خاصّية أكتر؟
وفيه أكتر من مقياس للأهمية، وكل واحد بيوضّح جانب مختلف من النموذج. من أشهرهم Permutation Variable Importances (أهمية التبديل):
- تاخد خاصّية واحدة وتلخبط (تبدّل) قيمها بين الأمثلة.
- تقيس قد إيه خطأ التوقّع زاد بعد اللخبطة.
- كل ما الخطأ زاد أكتر، الخاصّية كانت أهمّ.
وحسب مسرد Google، المقياس ده مستقلّ عن نوع النموذج، يعني ينفع مع أي نموذج.
مثال عملي
مثال المسرد: شجرة قرار بتقدّر أسعار البيوت باستخدام تلات خصائص: المساحة، والعمر، والطراز. لو درجات الأهمية طلعت:
- المساحة: 5.8
- الطراز: 4.7
- العمر: 2.5
يبقى المساحة أهمّ خاصّية للشجرة دي، وبعدها الطراز، والعمر أقلّهم.
استخدام عملي: لو لقيت إن نموذج تشخيص بيعتمد بشكل كبير على خاصّية ما المفروض تأثّر، زي اسم المستشفى اللي اتصوّرت فيه الأشعّة، يبقى عندك مشكلة في البيانات لازم تتحلّ قبل ما تعتمد على النموذج.
مصطلحات مرتبطة
- Feature Selection — اختيار الخصائص.
- Explainable AI — الذكاء الاصطناعي القابل للتفسير.
- Decision Tree — شجرة القرار.
- Feature Engineering — هندسة الخصائص.
المصادر: Google ML Glossary
