انا عندي بيانات فيه 60 columns واعمد كثير جدا جدا فا هل الافضل ان استخدم التعلم العميق عن خورزميات تعلم الاله التقلدي ؟

إذا كانت بياناتك منظمة وتحتوي على عدد أعمدة كبير ولكن بعدد عينات صغير إلى متوسط، فمن الأفضل البدء بخوارزميات التعلم الآلي التقليدية مثل XGBoost أو Random Forest، حيث إنها فعالة مع البيانات الجدولية وسريعة في التدريب والتفسير، أما إذا كانت بياناتك كبيرة جدا ومعقدة وتحتوي على أنماط غير خطية، ولديك موارد كافية أي GPU قوي، فإن التعلم العميق يكون خيار أفضل، يعني أولا جرب النماذج التقليدية أولا لأنها أسرع وأبسط، ثم انتقل إلى التعلم العميق إذا كانت النتائج غير مرضية.

الأمر يعود إلى عدد الصفوف بشكل أولى حيث إذا كان العدد صغير أو متوسط أي أقل من 10-20 ألف، فإن خوارزميات تعلم الآلة التقليدية  تعد الخيار الأفضل لأنها فعالة وسريعة للبيانات الجدولية، أما إذا كان لديك حجم بيانات ضخم ومعقد جدا، فيمكنك التوجه إلى التعلم العميق، لكنه يتطلب موارد كبيرة  وحجم بيانات كبير لتجنب الإفراط في التعميم، و في هذه الحالة يمكنك الإعتماد على google colab حيث يوفر لك Gpu سريع جدا مما يساعدك في العمليات.

بتاريخ 11 دقائق مضت قال Ail Ahmed:

انا عندي بيانات فيه 60 columns واعمد كثير جدا جدا فا هل الافضل ان استخدم التعلم العميق عن خورزميات تعلم الاله التقلدي ؟

وعليكم السلام

السؤال، يعتمد الخيار بين التعلم العميق و الخوارزميات التقليدية على طبيعة البيانات وحجمها.

• إذا كانت البيانات تحتوي على 60 عمودًا فقط:
  • الخوارزميات التقليدية مثل شجرة القرار، الانحدار اللوجستي، SVM، XGBoost قد تكون أكثر كفاءة في هذه الحالة، خاصة إذا كانت البيانات هي بيانات هيكلية (Structured Data) مع ميزات محددة وأبعاد قليلة.
  • هذه الخوارزميات تعمل بشكل جيد مع حجم بيانات صغير إلى متوسط، وتكون أقل تطلبًا من حيث القدرة الحسابية مقارنة بالتعلم العميق.
• إذا كانت البيانات تحتوي على أعمدة كثيرة جدًا:
  • التعلم العميق (Deep Learning) يتفوق في الحالات التي تحتوي على بيانات ضخمة جدًا وميزات معقدة، مثل النصوص أو الصور أو الصوت.
  • يمكن أن يكون مفيدًا إذا كان لديك بيانات غير هيكلية أو معقدة للغاية، ولكن قد يحتاج إلى موارد حسابية ضخمة.

عندما تختار بينهما:

• إذا كان لديك بيانات هيكلية وتحتاج إلى تفسير النتائج بسهولة، فالخوارزميات التقليدية تكون أكثر فاعلية.
• إذا كانت لديك بيانات معقدة أو نطاق واسع من العلاقات بين الأعمدة (مثل الصور أو النصوص)، فقد يكون التعلم العميق خيارًا أفضل.
  
  وبالتوفيق

وعليكم السلام ورحمة الله وبركاته.

إن التعلم العميق يحتاج إلى غالبا إلى حجم بيانات كبير جدا لكي يعطي نتائج فعالة وإذا كان لديك بيانات كافية مثل الآلاف أقل شئ فإن التعلم العميق يكون الأفضل في تلك الحالة.

أما إذا كانت البيانات محدودة كالتي لديك فالأفضل هو الخوارزميات التقليدية حيث ستكون أكثر فاعلية.

و لذلك التفضيل بينهما أولا يكون على حسب عدد البيانات التي لديك وبعد ذلك في حجم تلك البيانات فلو كانت البيانات معقدة مثل الصور والنصوص أو البيانات التي تحتوي على إرتباطات معقدة فالأفضل هنا  التعلم العميق ولكن سيحكمك الإمكانيات التي لديك لأنه يستهلك معالجات (GPUs) كثيرة وأيضا وقت كبير في التدريب.

إذا كانت لديك مجموعة بيانات تحتوي على العديد من الأعمدة سيعتمد اختيارك بين التعلم العميق والخوارزميات التقليدية على حجم البيانات وتعقيدها فإذا كانت البيانات كبيرة جدا ومعقدة وتحتوي على أنماط غير خطية أو معقدة، فإن التعلم العميق هو الأنسب لأنه قادر على اكتشاف هذه الأنماط بشكل أفضل ولكن إذا كانت البيانات صغيرة أو تحتوي على علاقات بسيطة بين الأعمدة، فإن الخوارزميات التقليدية مثل الأشجار العشوائية أو الانحدار اللوجستي قد تكون أكثر فعالية لأنها أسرع وأسهل في التنفيذ ولا تحتاج إلى موارد ضخمة ولكن 60 عمودا ليست بالضرورة كمية كبيرة من البيانات، بل هي عدد معقول من الأعمدة في مجموعة بيانات وعندما نقول "البيانات الكبيرة" عادة ما نعني عددا كبيرا جدا من السجلات (مثل ملايين أو مئات الآلاف من السجلات)، وليس فقط عدد الأعمدة لذا إذا كان لديك 60 عمودا فقط، ولكن عدد السجلات ليس ضخما جدا، فإن الخوارزميات التقليدية مثل الأشجار العشوائية أو الانحدار اللوجستي قد تكون كافية وفعالة والتعلم العميق يصبح أكثر فائدة عندما تتعامل مع بيانات معقدة جدا أو حجم بيانات ضخم يحتاج إلى قدرات معالجة عالية، ولكن في حالتك، الخوارزميات التقليدية قد تكون الأنسب من حيث السرعة والفعالية.

الف شكراا لحضرتكم