هل يوجد طريقه مضمنة لحصول علي قيمه P او فتره الثقه في مكتبه sklearn ؟

لا يوجد أي طريقة مضمنة مباشرة للحصول على قيمة P-value أو فترات الثقة، لكن يمكن الحصول عليها من خلال استخدام مكتبات أخرى مثل statsmodels أو عن طريق حساب هذه القيم يدويا، يمكن نقل النموذج أو البيانات إلى مكتبة مثل statsmodels للحصول على الإحصاءات المطلوبة مثل P-value، معاملات الثقة، والخطأ المعياري ثم يمكن حساب هذه القيم يدويا باستخدام مفاهيم الإحصاء (مثل الخطأ المعياري والاحتمالات التوزيعية)، أو باستخدام مكتبات مثل scipy وnumpy.

بتاريخ 11 ساعة قال عبد الوهاب بومعراف:

لا يوجد أي طريقة مضمنة مباشرة للحصول على قيمة P-value أو فترات الثقة، لكن يمكن الحصول عليها من خلال استخدام مكتبات أخرى مثل statsmodels أو عن طريق حساب هذه القيم يدويا، يمكن نقل النموذج أو البيانات إلى مكتبة مثل statsmodels للحصول على الإحصاءات المطلوبة مثل P-value، معاملات الثقة، والخطأ المعياري ثم يمكن حساب هذه القيم يدويا باستخدام مفاهيم الإحصاء (مثل الخطأ المعياري والاحتمالات التوزيعية)، أو باستخدام مكتبات مثل scipy وnumpy.

 

الف شكرااا لحضرتك جدا

متاح ذلك ولكنها ليست مباشرة ومضمنة في كل النماذج أي يعتمد الأمر على نوع النموذج الذي تستخدمه، بمعنى في النماذج الخطية Linear Models مثل الانحدار الخطي Linear Regression والانحدار اللوجستي Logistic Regression.

تستطيع الحصول على قيم P لمعاملات النموذج باستخدام مكتبة statsmodels، التي توفر تحليلاً إحصائياً أكثر تفصيلاً، وتدريب النموذج باستخدام sklearn ثم استخراج المعاملات واستخدامها في statsmodels.

بينما في النماذج غير الخطية Non-Linear Models مثل أشجار القرار Decision Trees، الغابات العشوائية Random Forests، آلات الدعم المتجهة Support Vector Machines، الشبكات العصبية Neural Networks.

فهي لا توفر قيم P أو فترات ثقة للمعاملات بشكل مباشر، لأنها لا تعتمد على افتراضات إحصائية بسيطة مثل النماذج الخطية، بالتالي تحتاج إلى استخدام طريقة Bootstrap لتقدير فترات الثقة لبعض المقاييس (مثل الأهمية النسبية للميزات في الغابات العشوائية).

أو تحليل حساسية Sensitivity Analysis النموذج للتغيرات في المدخلات لفهم تأثيرها.

أو من خلال Cross-Validation لتقييم أداء النموذج بشكل عام، ولكن ذلك لا يعطيك قيم P أو فترات ثقة للمعاملات.

بتاريخ 6 ساعة قال Mustafa Suleiman:

متاح ذلك ولكنها ليست مباشرة ومضمنة في كل النماذج أي يعتمد الأمر على نوع النموذج الذي تستخدمه، بمعنى في النماذج الخطية Linear Models مثل الانحدار الخطي Linear Regression والانحدار اللوجستي Logistic Regression.

تستطيع الحصول على قيم P لمعاملات النموذج باستخدام مكتبة statsmodels، التي توفر تحليلاً إحصائياً أكثر تفصيلاً، وتدريب النموذج باستخدام sklearn ثم استخراج المعاملات واستخدامها في statsmodels.

بينما في النماذج غير الخطية Non-Linear Models مثل أشجار القرار Decision Trees، الغابات العشوائية Random Forests، آلات الدعم المتجهة Support Vector Machines، الشبكات العصبية Neural Networks.

فهي لا توفر قيم P أو فترات ثقة للمعاملات بشكل مباشر، لأنها لا تعتمد على افتراضات إحصائية بسيطة مثل النماذج الخطية، بالتالي تحتاج إلى استخدام طريقة Bootstrap لتقدير فترات الثقة لبعض المقاييس (مثل الأهمية النسبية للميزات في الغابات العشوائية).

أو تحليل حساسية Sensitivity Analysis النموذج للتغيرات في المدخلات لفهم تأثيرها.

أو من خلال Cross-Validation لتقييم أداء النموذج بشكل عام، ولكن ذلك لا يعطيك قيم P أو فترات ثقة للمعاملات.

الف شكرااا جدا لحضرتك