التباين مقابل الارتباط: [كل ما تحتاج إلى معرفته]

مطلوب الكثير من التقليب والجمع أثناء تفسير البيانات بمساعدة تقنيات مثل التعلم الآلي والذكاء الاصطناعي. يساعد على التنبؤ بنتائج مختلفة في مواقف مختلفة. تتم هذه التباديل والتوليفات على نطاق واسع بمساعدة المتغيرات.

المتغير هو عنصر أو كمية أو رقم يمكن قياسه في مجموعة بيانات. هذا العنصر أو الكمية غير ثابت ويمكن أن يتغير في مواقف مختلفة من خلال عوامل داخلية أو خارجية. عندما تكون القيمة الدقيقة لعنصر ما غير معروفة ، فإننا نسميها كمتغير. لذلك ، غالبًا ما يشار إلى المتغيرات كعناصر نائبة لكمية غير معروفة. يتم تعريف المتغير على أنه قيمة قابلة للتغيير تعتمد على أوامر أو مدخلات برنامج الكمبيوتر في الكمبيوتر ولغة البرمجة.

على سبيل المثال ، في مجموعة بيانات التجارة الإلكترونية التي تشتمل على مشتريات العملاء ، يعتبر تفضيلات العملاء أو احتمالية طلب منتج معين في المستقبل متغيرًا. يعتمد ذلك على احتياجات العملاء والدخل والعمر وعوامل أخرى. دعونا نتعلم المزيد حول كيفية عمل المتغيرات وكيف يتم تحديد العلاقة بين متغيرين.

ما هو التغاير؟

يقيس التباين العلاقة أو التبعية المتبادلة بين متغيرين. يحدد في أي اتجاه يتحرك المتغير إذا غير المتغير الآخر نفس مجموعة البيانات.

التغاير نوعان - موجب وسالب. عندما يتم تغيير متغير واحد ويتحرك المتغير الثاني في نفس الاتجاه ، يطلق عليه التغاير الإيجابي. إذا كان المتغير الثاني يتحرك في الاتجاه المعاكس ، فيسمى التغاير السالب.

تشير القيمة الأعلى للتغاير إلى تبعية المتغيرين. التغاير الإيجابي يعني أن المتغيرات متناسبة بشكل مباشر وستتحرك في نفس الاتجاه. تخبرنا قيم التغاير السالبة أن المتغيرين العشوائيين يرتبطان بشكل غير مباشر ويتحركان في اتجاهين متعاكسين. هذا يعني أنه إذا زادت كمية متغير واحد ، فسوف تنخفض كمية متغير آخر.

ما هو الارتباط؟

يمكن أن يكون هناك أكثر من متغير واحد في موقف أو مجموعة بيانات معينة. قد تكون هذه المتغيرات إما مرتبطة تمامًا أو غير مرتبطة ببعضها البعض. من الأهمية بمكان اشتقاق العلاقة بين متغيرين للحفاظ على الدقة أثناء اكتشاف النتائج الإيجابية. يُعرف هذا باسم الارتباط ، وهو مقياس إحصائي يشير إلى العلاقة بين متغيرين.

يشرح الارتباط العلاقة الخطية بين متغيرين ويعرض حركة أحد المتغيرات عندما يتغير المتغير الآخر.

إذا كان هناك متغيرين X و Y ، وكان هناك تغيير في X ، فإن الارتباط سيقيس التغيير في Y بسبب الاختلاف في X. ويحسب ما إذا كان Y سيُظهر تغييرًا إيجابيًا أو تغييرًا سلبيًا مع تغيير في X .

على غرار التغاير ، هناك ثلاثة أنواع من الارتباط - موجب ، وسالب ، وصفر. في الارتباط الإيجابي ، عندما يرتفع أحد المتغيرات على الرسم البياني ، يرتفع المتغير الآخر أيضًا. في الارتباط السلبي ، إذا ارتفع أحد المتغيرات ، فإن المتغير الآخر ينخفض. في الارتباط الموجب والسالب ، ترتفع المتغيرات صعودًا وهبوطًا نسبيًا أو خطيًا. إذا كان الارتباط صفراً ، فإن المتغيرات غير مرتبطة ولا يوجد رسم بياني خطي.

يتم قياس الارتباط بمساعدة معامل بيرسون. تتراوح قيمة معامل الارتباط بين -1 و 1.

ما هو الفرق بين التباين المشترك والارتباط؟

غالبًا ما يتم استخدام المصطلحين التغاير والارتباط بالتبادل. ومع ذلك ، فهما ليسا نفس الشيء. من الصعب على الناس معرفة الفروق بين الاثنين. دعونا نفهم بالتفصيل التباين المشترك مقابل الارتباط.

1. ما يقيس

التباين والارتباط متشابهان للغاية ومربكان. كلاهما قياس للمتغيرات. ومع ذلك ، فإن الاختلاف الملحوظ بين الاثنين هو أن التباين المشترك يقيس التغيير بين المتغيرات. يخبرنا كيف يرتبط متغيرين ببعضهما البعض وما إذا كانا يتحركان في نفس الاتجاه أو في اتجاهين متعاكسين. لا يحدد التغاير كيف تتغير المتغيرات. إنه يؤكد فقط ما إذا كانت المتغيرات مرتبطة ببعضها البعض أم لا.

من ناحية أخرى ، يتم تحديد مدى أو درجة تغيير المتغيرات بمساعدة الارتباط. إنها دالة التغاير.

2. القيم

تتراوح قيمة الارتباط بين -1 و 1. من ناحية أخرى ، يمكن أن تكون قيمة التغاير أي رقم. تقع قيمته بين القوة السالبة والقوة الموجبة لما لا نهاية. الارتباط له قيم موحدة في حين أن أهمية التغاير ليست محددة. يمكننا اشتقاق قيمة الارتباط إذا عرفنا معامل التغاير.

3. تغيير المقياس

يعني تغيير الناتج عندما يتم ضرب المتغيرات بقيمة ثابتة. لا يؤثر التحول في المقياس على قيمة الارتباط. حتى لو تم ضرب المتغيرات بثابت ، فإن الارتباط سيبقى كما هو. ومع ذلك ، هذا ليس في حالة التغاير. يتأثر بتغيير الحجم. إذا تم ضرب المتغيرات في ثابت ، فسيتغير التغاير وفقًا لذلك.

ما هو استخدام التغاير والارتباط في التعلم الآلي؟

هناك العديد من المتغيرات في التعلم الآلي - متغيرات الهدف ، والمستقلة ، والمعتدلة ، والمربكة ، والمتغيرة. تؤدي هذه المتغيرات وظائف مختلفة وتلعب دورًا حيويًا في خوارزميات وتقنيات تعلم الآلة. الوظيفة الأساسية للمتغيرات هي إضافة القيم المفقودة في الخوارزميات. نظرًا لأن البيانات ليست متاحة دائمًا في شكل منظم ، فقد تكون هناك عناصر مفقودة. لا يمكن أن تعمل الخوارزميات بمعلومات غير كاملة. لذلك ، يستخدم مهندسو البرمجيات أو المطورون المتغيرات في التعلم الآلي لملء القيم المفقودة.

ما هي الفرص الوظيفية في التعلم الآلي؟

أحد المكونات الأساسية للتعلم الآلي وتقنيات الذكاء الاصطناعي هو الاعتماد على المتغيرات أو العلاقة بين متغيرين عشوائيين. تقدم خوارزميات ML و AI النتائج من خلال تحديد العلاقات بين متغيرين. لذلك ، إذا كنت ترغب في بناء مهنة في التعلم الآلي ، فيجب أن تعرف مفاهيم التباين والارتباط.

للتعلم المتعمق حول التعلم الآلي والذكاء الاصطناعي ، يمكنك تسجيل نفسك في برنامج ماجستير العلوم في التعلم الآلي والذكاء الاصطناعي من upGrad.

هذه دورة عبر الإنترنت للمهندسين ومحترفي تكنولوجيا المعلومات والبيانات تساعدهم على اكتساب تعلم الآلة ومعرفة الذكاء الاصطناعي. كما يوفر البرنامج للمتعلمين حالة خريجي جامعة ليفربول جون مورس والمعهد الدولي لتكنولوجيا المعلومات ، بنغالور.

تسمح لك الدورة بالتواصل مع خبراء الصناعة من Flipkart و Zee5. ستحصل أيضًا على فرصة لأداء الكثير من مشاريع الصناعة لاكتساب المهارات ذات الصلة مثل التعلم العميق والتحليلات التنبؤية والإحصاءات.

فيما يلي أفضل فرصتين وظيفيتين في التعلم الآلي والذكاء الاصطناعي:

1. عالم البيانات

في عام 2012 ، ذكرت مجلة هارفارد بيزنس ريفيو أن عالم البيانات هو الوظيفة الأكثر جاذبية في القرن الحادي والعشرين حيث أن الحاجة إلى علماء البيانات كانت تنمو بشكل هائل. حتى اليوم ، هناك نقص في علماء البيانات في العديد من القطاعات. إذا وجدت البيانات مثيرة للاهتمام ، فلديك وظيفة مثالية عالية الأجر في انتظارك. يبلغ متوسط ​​الراتب لعلماء البيانات في الهند ما يقرب من ₹ سبعة كهس سنويًا. يمكن لمتخصصي البيانات الذين لديهم عدة سنوات من الخبرة أن يكسبوا ما يصل إلى $ 17 كهس سنويًا.

2. مهندس الذكاء الاصطناعي

وظيفة أخرى تخلق ضجة في الصناعة هي AI Architect. مثل المهندس المعماري الذي يقدم الحلول لعملائه ، يقدم AI Architects أيضًا حلول الذكاء الاصطناعي لعملائهم. إنهم يفهمون متطلبات عملائهم ويقترحون التقنيات المناسبة. متوسط ​​الراتب لمهندس AI هو ₹ ستة كهس سنويًا.

تعلم دورة علوم البيانات عبر الإنترنت من أفضل الجامعات في العالم. اربح برامج PG التنفيذية أو برامج الشهادات المتقدمة أو برامج الماجستير لتتبع حياتك المهنية بشكل سريع.

خاتمة

تلعب المتغيرات دورًا مهمًا في تحليل البيانات واتخاذ القرار في التعلم الآلي والذكاء الاصطناعي. يساعد الارتباط والتغاير على تحديد ما إذا كانت هناك علاقة بين متغيرين أم لا. يمكن للشركات بعد ذلك توقع النتائج المرجوة واتخاذ القرارات وفقًا لذلك. إنها واحدة من أكثر المفاهيم تعقيدًا ولكنها مهمة في التعلم الآلي. لاكتساب معرفة الخبراء حول التعلم الآلي والذكاء الاصطناعي ، يمكنك متابعة برنامج upGrad في تعلم الآلة والذكاء الاصطناعي.