التنبؤ بمرض السكر من خلال تحليل انحداري أم الشبكات العصبية

الفكرة من الإنحدار هو أنه يبحث عن علاقة خطية أو غير خطية بين المتغيرات المستقلة (مثل العمر، مؤشر كتلة الجسم، التاريخ العائلي، إلخ) والمتغير التابع (الإصابة بمرض السكري من عدمه).

وتلك الخوارزمية سهلة الفهم والتفسير، تعمل بشكل جيد مع البيانات الخطية وأسرع في التدريب من الشبكات العصبية.

لكن غير دقيقة مع البيانات المعقدة أو غير الخطية وتتطلب اختيار ميزات مناسبة بعناية.

بينما الشبكات العصبية Neural Networks فتحاكي طريقة عمل الدماغ البشري، حيث تعالج المعلومات من خلال طبقات من العقد المترابطة.

وقادرة على نمذجة العلاقات المعقدة وغير الخطية، لا تتطلب اختيار ميزات محددة مسبقًا، وتحقق دقة عالية في التنبؤ.

لكن صعبة الفهم والتفسير، تتطلب بيانات تدريب كبيرة وتستغرق وقتًا أطول في التدريب من الانحدار.

بالتالي تستطيع التقرير بناءًا على البيانات التالي لديك وعلى الميزات والعيوب التي ذكرتها، ومن الأفضل تجربة كلا النهجين ومقارنة أدائهما على بياناتك وقبل ذلك قم بتنظيف اليبانات ومعالجتها بشكل صحيح قبل استخدام أي من الطريقتين.

توجد عدة فروق في ذلك ولنشرح معا الفرق .

• Regression (الانحدار):

الانحدار يُستخدم عادة لتحديد العلاقة الرياضية بين متغير تابع (المرض) ومتغيرات مستقلة (العوامل الأخرى المتعلقة بالمريض مثل العمر، الوزن، التاريخ العائلي، ومستويات السكر في الدم السابقة). و يمكن استخدام الانحدار لإنشاء نموذج يقوم بتوقع إحتمالية إصابة الشخص بمرض السكر بناءً على البيانات المتاحة. النتائج تكون سهلة التفسير والتحليل، حيث يمكن فهم كيفية تأثير كل متغير على النتيجة فمثلا كلما كبر السن زادت إحتمالية الإصابة والوزن وهكذا.

• Neural Networks (الشبكات العصبية):

الشبكات العصبية تعد أداة قوية في التعلم العميق وتحليل البيانات المعقدة.تحتاج الشبكات العصبية عادة إلى كميات كبيرة من البيانات للتدريب والتي يمكن أن تكون ضرورية لتحليل العلاقات الغير خطية بين المتغيرات. وقد تكون قادرة على استخدام معلومات معقدة أو غير خطية بطرق تحليلية تفصيلية ولكن في بعض الأحيان صعبة التفسير.

بتاريخ 8 دقائق مضت قال Mustafa Suleiman:

الفكرة من الإنحدار هو أنه يبحث عن علاقة خطية أو غير خطية بين المتغيرات المستقلة (مثل العمر، مؤشر كتلة الجسم، التاريخ العائلي، إلخ) والمتغير التابع (الإصابة بمرض السكري من عدمه).

وتلك الخوارزمية سهلة الفهم والتفسير، تعمل بشكل جيد مع البيانات الخطية وأسرع في التدريب من الشبكات العصبية.

لكن غير دقيقة مع البيانات المعقدة أو غير الخطية وتتطلب اختيار ميزات مناسبة بعناية.

بينما الشبكات العصبية Neural Networks فتحاكي طريقة عمل الدماغ البشري، حيث تعالج المعلومات من خلال طبقات من العقد المترابطة.

وقادرة على نمذجة العلاقات المعقدة وغير الخطية، لا تتطلب اختيار ميزات محددة مسبقًا، وتحقق دقة عالية في التنبؤ.

لكن صعبة الفهم والتفسير، تتطلب بيانات تدريب كبيرة وتستغرق وقتًا أطول في التدريب من الانحدار.

بالتالي تستطيع التقرير بناءًا على البيانات التالي لديك وعلى الميزات والعيوب التي ذكرتها، ومن الأفضل تجربة كلا النهجين ومقارنة أدائهما على بياناتك وقبل ذلك قم بتنظيف اليبانات ومعالجتها بشكل صحيح قبل استخدام أي من الطريقتين.

فهمت حضرتك يعني البيانات مهم جدا جدا في استخدم اي خورزميه 

بس سوال هنا برد هل الشكبات العصبيه بتطلع النتجيه صح من اول مره ؟