التعلّم الموجه (Supervised Learning) Supervised Learning

الصياغة

X_train, y_train = load_labeled_data()
model = Classifier()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

📄 مثال

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

model = KNeighborsClassifier(n_neighbors=3)
model.fit(X_train, y_train)  # تعلّم من بيانات موسومة
print(f"دقة الاختبار: {model.score(X_test, y_test):.2f}")

أهم النقاط

💡 نصائح عملية

• نظّف التكرارات والتصنيفات الخاطئة قبل التدريب — نموذج ML لا يفرّق بين تسميات صحيحة وخاطئة
• حين تتغير y من رقم إلى فئة، انتقل من الانحدار للتصنيف (ولو كانت الخوارزمية تسمّي نفسها regression)

⚠️ أخطاء شائعة

• تسريب بيانات الاختبار إلى التدريب (data leakage) — يجعل الدقة المُقاسة أعلى من الأداء الحقيقي
• استخدام نموذج انحدار حين y فئة محدودة (مثل 0/1) — استخدم Logistic Regression بدل Linear Regression

خصائص ذات صلة