المخططات المبعثرة Scatter Plots في تعلم الآلة

تُعد المخططات المبعثرة من أهم أدوات تحليل البيانات في
تعلم الآلة وعلوم البيانات. فهي تسمح بعرض العلاقة بين متغيرين
بصورة بصرية واضحة باستخدام نقاط موزعة على مساحة الرسم.

كل نقطة في الرسم تمثل زوجًا من القيم، حيث يتم تمثيل
القيمة الأولى على المحور الأفقي، بينما تمثل القيمة الثانية
على المحور الرأسي.

جمع البيانات

يُعد جمع البيانات أهم خطوة في أي مشروع
ذكاء اصطناعي أو تعلم آلة.

غالبًا ما تكون البيانات المستخدمة عبارة عن
أرقام أو قياسات تمثل علاقة بين متغيرات مختلفة.

عادةً ما يتم تخزين البيانات داخل مصفوفات (Arrays)
تعبر عن العلاقة بين القيم.

المثال التالي يعرض بيانات تمثل العلاقة بين
حجم المنزل وسعره.

يمثل الصف الأول أسعار المنازل، بينما يمثل الصف الثاني
مساحة كل منزل بالمتر المربع.

ما هو Scatter Plot؟

المخطط المبعثر هو رسم بياني يحتوي على
نقاط مبعثرة عبر مساحة الرسم
تمثل العلاقة بين قيمتين مختلفتين.

كل نقطة في الرسم تمثل ملاحظة واحدة من البيانات،
ويتم تحديد موقعها اعتمادًا على قيمة المتغيرين.

على سبيل المثال:

• المحور الأفقي يمثل مساحة المنزل
• المحور الرأسي يمثل سعر المنزل

وبالتالي فإن كل منزل يتم تمثيله كنقطة واحدة
داخل الرسم البياني.

مثال رسم Scatter Plot باستخدام JavaScript

يمكن رسم هذا النوع من الرسوم البيانية باستخدام
مكتبة Plotly في JavaScript.

المثال التالي يعرض البيانات السابقة في شكل
مخطط مبعثر.

const xArray = [50,60,70,80,90,100,110,120,130,140,150];

const yArray = [7,8,8,9,9,9,10,11,14,14,15];
// Define Data

const data = [{

x: xArray,

y: yArray,

mode:"markers"

}];
// Define Layout

const layout = {

xaxis: {range: [40,160], title: "Square Meters"},

yaxis: {range: [5,16], title: "Price in Millions"},

title: "House Prices vs Size"

};
// Display

Plotly.newPlot("myPlot", data, layout);

كيف نقرأ Scatter Plot؟

بعد رسم البيانات كنقاط مبعثرة، يمكننا تحليل
العلاقة بين المتغيرين بسهولة.

على سبيل المثال في هذا الرسم يمكننا ملاحظة أن:

• المنازل الأكبر غالبًا ما يكون سعرها أعلى
• هناك علاقة بين المساحة والسعر

هذا النوع من الرسوم يساعد علماء البيانات على
فهم البيانات قبل بناء نماذج التنبؤ.

أهمية Scatter Plots في تعلم الآلة

المخططات المبعثرة تُستخدم كثيرًا في تحليل البيانات
الاستكشافي قبل بناء النماذج.

من خلال هذه الرسوم يمكن للباحث أو عالم البيانات:

• اكتشاف العلاقات بين المتغيرات
• تحديد الاتجاه العام للبيانات
• ملاحظة القيم الشاذة أو غير الطبيعية
• فهم توزيع البيانات

كما تُستخدم هذه الرسوم كثيرًا قبل تطبيق
خوارزميات مثل الانحدار الخطي
الذي يعتمد على فهم العلاقة بين المتغيرات.

الخلاصة

المخططات المبعثرة من أبسط وأقوى الأدوات
لفهم العلاقات بين البيانات.

فهي تسمح بعرض البيانات كنقاط على الرسم،
مما يجعل من السهل ملاحظة الأنماط والعلاقات
قبل البدء في بناء نماذج تعلم الآلة.