إن احتساب البيانات هو عملية ملء القيم المفقودة، وعادةً ما تكون ضمن مجموعة بيانات. إنها تقنية شائعة لتنظيف البيانات تستخدم في تحليل البيانات والتعلم الآلي. يمكن أن يساعد احتساب البيانات في التوصل إلى فهم أفضل للبيانات عن طريق ملء القيم المفقودة بتقديرات معقولة.
هناك العديد من تقنيات حساب البيانات المختلفة، بما في ذلك المتوسط والوسيط والوضع وأقرب جيران k والانحدار الخطي والمزيد.
متوسط التضمين هو طريقة بسيطة لملء القيم المفقودة بمتوسط أو متوسط القيم الموجودة. يتم ذلك عمومًا عن طريق حساب متوسط القيم الصالحة ثم استبدال القيم المفقودة بهذا الحساب.
يشبه احتساب المتوسط حساب المتوسط، ولكن يتم استخدام الوسيط بدلاً من المتوسط لاستبدال القيم المفقودة. في هذه الحالة، يتم تحديد متوسط القيم الموجودة ومن ثم يتم استخدام هذه القيمة لملء القيم المفقودة.
يعد احتساب الوضع طريقة مختلفة لتضمين البيانات حيث يتم استخدام الوضع أو القيمة الأكثر شيوعًا لملء القيم المفقودة.
أقرب جيران K (KNN) هي خوارزمية للتعلم الآلي تُستخدم غالبًا في احتساب البيانات. تبحث هذه الخوارزمية في أقرب جيران k إلى القيم المفقودة ثم تأخذ متوسط هذه النقاط لاستبدال القيم المفقودة.
الانحدار الخطي هو أسلوب آخر لتوزيع البيانات يعمل عن طريق تركيب نموذج خطي على البيانات الموجودة. ثم يتم التنبؤ بالقيم المفقودة بناءً على المعاملات الموجودة في النموذج.
يعد احتساب البيانات خطوة مهمة في تحليل البيانات والتعلم الآلي ويجب استخدامها بحكمة. من المهم اتخاذ قرار بشأن طرق الإسناد الصحيحة لبياناتك وتوخي الحذر لتجنب الإفراط في ملاءمة مجموعة البيانات أو انحيازها.
