النمذجة الإحصائية تشبه التصوير الرسمي للنظرية. يوصف عادة بأنه العلاقة الرياضية بين المتغيرات العشوائية وغير العشوائية. علم الإحصاء هو دراسة كيفية التعلم من البيانات. يساعدك على جمع البيانات الصحيحة وإجراء التحليل الصحيح وتقديم النتائج بشكل فعال مع المعرفة الإحصائية. النمذجة الإحصائية هي المفتاح لإجراء الاكتشافات العلمية والقرارات القائمة على البيانات والتنبؤات. من خلال دراسة الإحصائيات، يمكنك فهم أي موضوع تقريبا بعمق. يتعلم المحللون الإحصائيون من البيانات ويتعاملون مع المشكلات الشائعة مع تجنب الاستنتاجات الخاطئة.
من الأهمية بمكان تقييم جودة التحليلات التي يقدمها لك الآخرون، مع الأخذ في الاعتبار مدى أهمية القرارات والآراء القائمة على البيانات. هناك ما هو أكثر من مجرد أرقام وحقائق. بدلا من ذلك، إنها مجموعة من المعرفة والإجراءات التي تتيح لك التعلم من البيانات بشكل موثوق.
تساعدك النمذجة الإحصائية على التمييز بين الاستنتاجات المعقولة والمشكوك فيها بناء على الأدلة الكمية. التحليلات والتنبؤات التي يقوم بها الإحصائيون جديرة بالثقة للغاية. يمكن للإحصائي مساعدة المحققين على تجنب الفخاخ التحليلية المختلفة على طول الطريق.
اقرأ أيضاً : ما هو التحليل الإحصائي ؟ الوظائف
·
ما هي النمذجة الإحصائية؟
عملية النمذجة الإحصائية هي طريقة لتطبيق التحليل الإحصائي على مجموعات البيانات في علم البيانات. يتضمن النموذج الإحصائي علاقة رياضية بين المتغيرات العشوائية وغير العشوائية. يمكن أن يوفر النموذج الإحصائي تصورات بديهية تساعد علماء البيانات في تحديد العلاقات بين المتغيرات وإجراء التنبؤات من خلال تطبيق النماذج الإحصائية على البيانات الأولية.
تتضمن أمثلة مجموعات البيانات الشائعة للتحليل الإحصائي بيانات التعداد وبيانات الصحة العامة وبيانات وسائل التواصل الاجتماعي.
·
تقنيات النمذجة الإحصائية
جمع البيانات هو أساس النمذجة الإحصائية. قد تأتي البيانات من السحابة أو جداول البيانات أو قواعد البيانات أو مصادر أخرى. هناك فئتان من طرق النمذجة الإحصائية المستخدمة في تحليل البيانات. هذه هي:
Ø
التعلم تحت الإشراف
في نموذج التعلم الخاضع للإشراف ، تستخدم الخوارزمية مجموعة بيانات مصنفة للتعلم ، مع مفتاح إجابة تستخدمه الخوارزمية لتحديد الدقة أثناء تدريبها على البيانات. تشمل تقنيات التعلم الخاضعة للإشراف في النمذجة الإحصائية ما يلي:
§
نموذج
الانحدار (Regression model) : نموذج تنبؤي مصمم لتحليل العلاقة بين المتغيرات المستقلة والتابعة. نماذج الانحدار الأكثر شيوعا هي اللوجستية ومتعددة الحدود والخطية. تحدد هذه النماذج العلاقة بين المتغيرات والتنبؤ والنمذجة.
- نموذج التصنيف (Classification model: تقوم الخوارزمية بتحليل وتصنيف مجموعة كبيرة ومعقدة من نقاط البيانات. تشمل النماذج الشائعة شجرة القرارات (decision trees) ، و Naive Bayes ، وأقرب جار (the nearest neighbor) ، والغابات العشوائية (, random
forests) ، ونماذج الشبكات العصبية (neural networking models) .
Ø
التعلم غير الخاضع للإشراف
في نموذج التعلم غير الخاضع للإشراف ، يتم إعطاء الخوارزمية بيانات غير مصنفة وتحاول استخراج الميزات وتحديد الأنماط بشكل مستقل. تعد خوارزميات التجميع وقواعد الارتباط أمثلة على التعلم غير الخاضع للإشراف.فيما يلي مثالان: K-mean
§
K-means clustering : تجمع الخوارزمية عددا محددا من نقاط البيانات في مجموعات محددة بناء على أوجه التشابه.
§
التعلم المعزز (Reinforcement
learning) : تتضمن هذه التقنية تدريب الخوارزمية على التكرار على العديد من المحاولات باستخدام التعلم العميق ، ومكافأة الحركات التي تؤدي إلى نتائج إيجابية ، ومعاقبة الأنشطة التي تنتج تأثيرات غير مرغوب فيها.
هذا المقال هو ترجمة لجزء من مقال على موقع كورسيرا بعنوان :