🤖 machine learning

Class Angular Distortion Index for Dimensionality Reduction

تقدم هذه الورقة مؤشر تشوه الزوايا للفئات (CADI)، وهو مقياس قابل للتفاضل يعتمد على الزوايا الداخلية لتقييم مدى دقة تنظيم العناقيد في إسقاطات تقليل الأبعاد، معالجةً بذلك أوجه القصور في المقاييس الحالية التي تفشل في رصد الترتيبات النسبية للعناقيد أو تفترض أشكالاً كروية.

المؤلفون الأصليون: Kaviru Gunaratne, Stephen Kobourov, Jacob Miller

نُشر 2026-05-04

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Kaviru Gunaratne, Stephen Kobourov, Jacob Miller

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

المشكلة الكبرى: معضلة "الخريطة المسطحة"

تخيل أن لديك منحوتة ثلاثية الأبعاد ضخمة مصنوعة من كرات طينية ملونة مختلفة. بعض الكرات متداخلة داخل بعضها البعض (مثل دمى الروسية "الماتريوشكا")، وبعضها على شكل حلقات طويلة، وبعضها الآخر ملتوي على شكل عقد معقدة.

الآن، تخيل أنك تريد التقاط صورة لهذه المنحوتة لتعرضها على شخص لا يفهم إلا الرسومات ثنائية الأبعاد (مثل ورقة رسم). هذا هو ما تفعله عملية تقليل الأبعاد (Dimensionality Reduction - DR): فهي تقوم بسحق البيانات المعقدة عالية الأبعاد وتحويلها إلى صورة بسيطة ثنائية أو ثلاثية الأبعاد ليتمكن البشر من رؤيتها.

المشكلة هي أن سحق جسم ثلاثي الأبعاد على ورقة ثنائية الأبعاد يؤدي حتماً إلى تشويهه.

الطريقة القديمة: لسنوات، كانت أدوات شهيرة مثل t-SNE و UMAP هي بمثابة "الفنانين" في هذا العالم. إنها بارعة في تجميع الأشياء المتشابهة معاً. إذا كان لديك كومة من الطين الأحمر وكومة من الطين الأزرق، فستصنع منهما كتلتين متميزتين ومتراصتين على الورقة.
الفخ: بينما تجعل هذه الأدوات الكتل تبدو جميلة، إلا أنها غالباً ما تفسد العلاقة بين تلك الكتل. فقد تضع الكتلة الحمراء بجوار الكتلة الزرقاء مباشرة، رغم أنه في العالم ثلاثي الأبعاد الأصلي، كانتا في طرفين متقابلين من الغرفة. أو قد تسحق حلقة طويلة وملتوية لتجعلها تبدو ككرة صلبة.

المساطر القديمة: لماذا فشلت؟

احتاج العلماء إلى طريقة لتقييم هذه "الصور" لمعرفة أي منها كان الأكثر أمانة. استخدموا مساطر قديمة مثل درجة السيلويت (Silhouette Score) و مؤشر ديفيز-بولدين (Davies-Bouldin Index).

فكر في هذه المساطر القديمة كقضاة لا يهتمون إلا بشيء واحد فقط: "هل المجموعات متراصة ومنفصلة؟"

إذا رأى القاضي كتلتين مستديرتين ومتراصتين ومنفصلتين، فإنه يعطيه درجة عالية.
إذا رأى سلسلة طويلة وملتوية أو حلقات متداخلة، فإنه يرتبك. قد يظن أن الحلقات المتداخلة هي مجرد كتلة واحدة فوضوية كبيرة، أو قد يفضل رسماً عشوائياً فوضوياً لأنه بالصدفة يبدو ككتل منفصلة.

تجادل الورقة البحثية بأن هؤلاء القضاة يعانون من "العمى" تجاه الشكل و البنية. فهم لا يهتمون إذا كانت الحلقة في الأصل حلقة أم إذا كانت كرة داخل أخرى؛ هم فقط يريدون رؤية دوائر نظيفة ومستديرة ومنفصلة.

الحل الجديد: CADI (قاضي "الزاوية")

قدم المؤلفون مقياساً جديداً يسمى CADI (مؤشر تشوه الزاوية للفئات - Class Angular Distortion Index).

التشبيه: السائح الذي يحمل كاميرا
تخيل أنك سائح تقف في متحف وتنظر إلى منحوتة. لفهم شكل الغرفة، أنت لا تنظر فقط إلى المسافة بين الأشياء؛ بل تنظر إلى الزوايا.

إذا وقفت عند النقطة (أ) ونظرت إلى النقطتين (ب) و (ج)، فما هي الزاوية بين خط نظرك إلى (ب) وخط نظرك إلى (ج)؟
إذا انتقلت إلى مكان آخر، هل تتغير تلك الزاوية؟

يعمل CADI بنفس الطريقة. فبدلاً من قياس مدى بعد المجموعات عن بعضها، فإنه يقيس الزوايا التي تشكلها مجموعات ثلاثية من النقاط.

يختار نقطة في مجموعة واحدة (الفئة أ).
يختار نقطتين في مجموعة مختلفة (الفئة ب).
يقيس الزاوية المتكونة عند النقطة الأولى.

إذا حافظت الصورة ثنائية الأبعاد على "شكل" العالم، فستظل هذه الزوايا كما هي. أما إذا قامت الصورة بسحق حلقة وتحويلها إلى كرة، فإن تلك الزوايا ستتغير بشكل جنوني. يحسب CADI "الخطأ" في هذه الزوايا. كلما انخفضت الدرجة، كان ذلك يعني أن الزوايا قد تم الحفاظ عليها، وأن الخريطة أكثر أمانة.

لماذا يهم هذا: اختبار "الدمى الروسية"

تختبر الورقة هذا المثال باستخدام حالة محددة: الكرات المتداخلة (مثل الدمى الروسية).

الواقع: لديك كرة صغيرة داخل كرة متوسطة، داخل كرة كبيرة.
القضاة القدامى (السيلويت): يكرهون هذا. هم يريدون رؤية ثلاث كرات منفصلة ومستديرة. قد يعطون درجة عالية لرسم عشوائي فوضوي لمجرد أن النقاط تبدو منفصلة بالصدفة، رغم أن بنية التداخل قد فُقدت تماماً.
القاضي الجديد (CADI): ينظر إلى الزوايا. إنه يرى أن الكرة "الداخلية" تُرى من الكرة "الخارجية" بزاوية محددة. وهو يعلم أنه إذا قام الإسقاط بتسطيح هذا المشهد وتحويله إلى فوضى، فإن الزوايا ستكون خاطئة. لذا، فهو يحدد بدقة الإسقاط الذي يحافظ على تداخل "الدمى".

الأداة الجديدة: AngleEmbedding

لأن CADI يعتمد على رياضيات يمكن حسابها خطوة بخطوة (فهو "قابل للاشتقاق")، لم يكتفِ المؤلفون ببناء مسطرة فحسب؛ بل بنوا "فناناً" جديداً أيضاً.

لقد أنشأوا طريقة جديدة تسمى AngleEmbedding.

فكر في هذا كنوع جديد من الكاميرات التي لا تحاول فقط تجميع الأشياء معاً، بل تحاول تقليل أخطاء الزوايا.
تستخدم شبكة عصبية (نوع من الذكاء الاصطناوي) لضبط الصورة باستمرار حتى تتطابق الزوايا بين المجموعات مع العالم ثلاثي الأبعاد الأصلي قدر الإمكان.
النتيجة؟ تظهر هذه الإسقاطات بشكل قد يبدو "أقل مثالية" أو "أقل انفصالاً" من t-SNE، لكنها تقول الحقيقة حول كيفية ارتباط المجموعات ببعضها البعض (على سبيل المثال، توضح أن إحدى المجموعات موجودة بالفعل داخل أخرى، أو أنها تشكل سلسلة).

ملخص النتالئج

المقاييس القديمة منحازة: فهي تحب الكتل المستديرة والمنفصلة وتكره الأشكال المعقدة مثل الحلقات أو السلاسل أو الهياكل المتداخلة. وغالباً ما تعطي درجات عالية لخرائط سيئة وعشوائية.
CADI يرى الشكل: من خلال قياس الزوايا، يستطيع CADI التمييز بين الهيكل المتداخل الحقيقي وبين الفوضى العارمة. فهو يكافئ الخرائط التي تحافظ على "الهيكل العظمي" للبيانات.
AngleEmbedding يعمل بنجاح: الطريقة الجديدة التي بنوها باستخدام CAPI نجحت في إعادة إنشاء الهياكل المعقدة (مثل الكرات المتداخلة والحلقات المرتبطة) التي تفشل الأدوات الشهيرة الأخرى في إظهارها بشكل صحيح.

الخلاصة: إذا كنت تريد معرفة كيف تكون المجموعات المختلفة منفصلة عن بعضها، فإن الأدوات القديمة (t-SNE/UMAP) جيدة. ولكن إذا كنت تريد فهم الهندسة والعلاقات الحقيقية بين تلك المجموعات (مثل من يوجد داخل من، أو كيف ترتبط ببعضها في سلسلة)، فإن CADI هو القاضي الأفضل، و AngleEmbedding هو الفنان الأفضل.

إليك ملخص تقني مفصل لورقة البحث بعنوان "مؤشر تشوه الزوايا الفئوي لتقليل الأبعاد" (Class Angular Distortion Index for Dimensionality Reduction) من تأليف غوناراتني، وكوبوروف، وميلر.

1. بيان المشكلة

تعد تقنيات تقليل الأبعاد (DR) (مثل t-SNE وUMAP وPCA) ضرورية لتصور البيانات عالية الأبعاد. ومع ذلك، فإن هناك قصوراً حرجاً في تقييم تقليل الأبعاد الحالي يتمثل في التمثيل المضلل للعلاقات بين المجموعات (Clusters).

المشكلة الجوهرية: بينما تنجح العديد من طرق تقليل الأبعاد في فصل المجموعات (جعلها كتلًا متميزة)، إلا أنها غالباً ما تشوه العلاقات الهندسية العالمية بين هذه المجموعات. على سبيل المثال، قد تُسطّح البنى المتداخلة، أو المنحنيات، أو المجموعات المتشابكة، أو يُعاد ترتيبها بشكل تعسفي في الإسقاط.
قصور المقاييس الحالية: تفشل مقاييس الجودة الحالية في رصد هذه التشوهات لأنها تعتمد على افتراضات خاطئة:
- افتراض القابلية للفصل: تفترض مقاييس مثل "درجة سيلويت" (Silhouette Score) و"مؤشر دافيز-بولدين" (Davies-Bouldin Index) أن المجموعات متراصة، كروية، ومنفصلة جيداً. وهي تكافئ الإسقاطات التي تخلق "كتلاً" ضيقة ومعزولة، حتى لو أدى ذلك إلى تدمير البنية الطوبولوجية الحقيقية (مثل تحويل الكرات المتداخلة إلى دوائر منفصلة).
- تحيز المركز (Centroid Bias): تعتمد مقاييس مثل "موثوقية واستمرارية التسمية" (Label Trustworthiness & Continuity) على مراكز المجموعات. إذا تداخلت المجموعات أو كانت متداخلة (تتطابق مراكزها)، تفشل هذه المقاييس في التمييز بين الإسقاط الأمين والواحد العشوائي.
- من مستوى النقطة إلى مستوى المجموعة: تقيم معظم المقاييس المسافات بين نقطة ونقطة أو زوج من النقاط، مما يغفل العلاقات الهندسية ذات الرتبة الأعلى بين مجموعات النقاط.

2. المنهجية: مؤشر تشوه الزوايا الفئوي (CADI)

يقترح المؤلفون CADI، وهو مقياس جديد مصمم لتقييم حفظ العلاقات الهندسية بين المجموعات باستخدام الزوايا الداخلية.

المفهوم الجوهري

بدلاً من قياس المسافات بين المراكز أو النقاط الفردية، يقيس CADI الزوايا الداخلية التي تشكلها ثلاثيات النقاط حيث تنتمي النقطة المرجعية إلى فئة واحدة، بينما تنتمي النقطتان الأخريان إلى فئة مختلفة.

الحدس: من خلال مراقبة كيفية "ظهور" المجموعة $C_b$ من منظور نقطة في المجموعة $C_a$ (عبر الزاوية $\angle jik$ )، يلتقط المقياس شكل وتوجه المجموعات النسبي.
القابلية للاشتقاق: نظراً لاعتماده على تشابه جيب التمام للزوايا، فإن CADI قابل للاشتقاق، مما يسمح باستخدامه كدالة خسارة (Loss Function) للتحسين.

التعريف الرياضي

بفرض وجود مجموعة بيانات $X$ وإسقاط $Y$ ، مع تقسيم للفئات $C$ :
$\text{CADI}(X, Y, C) = \frac{1}{T} \sum_{i \in C_a, j,k \in C_b, j \neq k} \left( \cos(\theta_X(j,i,k)) - \cos(\theta_Y(j,i,k)) \right)^2$
حيث أن:

$i$ هي نقطة مرجعية في الفئة $C_a$ .
$j, k$ هما نقطتان في فئة مختلفة $C_b$ .
$\theta$ تمثل الزاوية الداخلية عند $i$ المتكونة من المتجهات إلى $j$ و $k$ .
$T$ هو إجمالي عدد الثلاثيات التي تم أخذ عينات منها.
الهدف: تقليل CADI (كلما اقترب من الصفر كان أفضل).

التنفيذ العملي

أخذ العينات: حساب المجموع الكامل يتطلب تعقيداً قدره $O(n^3)$ . أثبت المؤلفون أن أخذ عينات من $k = O(n)$ ثلاثيات (تحديداً $40n$ ) يعطي نتائج مستقرة مع تباين ضئيل، مما يجعل المقياس قابلاً للتوسع.
الثبات: يتميز CADI بالثبات تجاه الإزاحة، والدوران، والتحجيم الموحد، لأنه يعتمد فقط على الزوايا.
تضمين الزاوية (AngleEmbedding): قدم المؤلفون خوارزمية جديدة لتقليل الأبعاد، وهي AngleEmbedding، والتي تستخدم CADI كدالة خسارة يتم تحسينها عبر شبكة عصبية بارامترية (شبكة تغذية أمامية) لإنتاج إسقاطات تحافظ خصيصاً على العلاقات الزاوية بين الفئات.

3. المساهمات الرئيسية

مقياس جديد (CADI): مقياس جودة على مستوى المجموعة يتجاوز افتراضات "الكروية" و"القابلية للفصل". إنه يستهدف تحديداً حفظ البنى المعقدة مثل المجموعات المتداخلة، أو المنحنية، أو المتشابكة.
توضيح أوجه الفشل: تقدم الورقة أدلة واسعة النطاق على أن المقاييس الحالية (مثل Silhouette وLabel-T&C وغيرها) غالباً ما تصنف الإسقاطات العشوائية أو إسقاطات "الكتل" (Blobs) على أنها أعلى جودة من الإسقاطات التي تحفظ الطوبولوجيا بأمانة.
خوارزمية AngleEmbedding: تقنية لتقليل الأبعاد تحت الإشراف، تقوم بتحسين CADI، مما يثبت أن المقياس يمكن استخدامه بفعالية لتوجيه توليد إسقاطات عالية الدقة.
التقييم الشامل: تقييم عبر أكثر من 20 مجموعة بيانات اصطناعية وواقعية (بما في ذلك الكرات المتداخلة، الحلقات، التعبير الجيني، وبيانات النصوص) مقارنةً بـ 8 مقاييس أخرى و8 خوارزميات لتقليل الأبعاد.

4. النتائج

يسلط التقييم الضوء على التباينات الكبيرة بين CADI والمقاييس الحالية:

البيانات الاصطناعية (الكرات والحلقات المتداخلة):
- السيناريو: تتكون البيانات من 5 كرات متداخلة أو سلسلة من الحلقات المتشابكة.
- المقاييس الحالية: غالباً ما تصنف درجات "سيلويت" و"Label-T&C" تقنيات مثل t-SNE أو UMAP (التي تكسر الحلقات إلى كتل منفصلة أو تشتت الكرات) على أنها الأفضل، أو حتى تصنف الإسقاطات العشوائية بدرجات عالية بسبب تداخل المراكز.
- CADI: يحدد بشكل صحيح أن AngleEmbedding و PCA (اللذين يحافظان على الترتيب الخطي أو المتداخل) هما الأفضل، ويمنح أسوأ الدرجات للطرق التي تدمر الطوبولوجيا.
البيانات الواقعية (Liver, USPS, TREC):
- بيانات الكبد (Liver): تمتلك خلايا السرطان (HCC) تبايناً أعلى من الخلايا السليمة. يقوم t-SNE بإنشاء كتل متساوية الحجم ومنفصلة، مما يخفي هذا التباين. يكافئ CADI طريقة AngleEmbedding و PCA، اللتين تظهران بشكل صحيح أن كتلة HCC أكثر انتشاراً.
- بيانات USPS (الأرقام): تختلف أحجام المجموعات بشكل كبير حسب الرقم. يقوم t-SNE بفرض أحجام متساوية للمجموعات. يكافئ CADI الإسقاطات حيث تعكس أحجام المجموعات توزيع البيانات الحقيقي (الذي تم حفظه بواسطة AngleEmbedding).
- الارتباط: يظهر CAPI ارتباطاً منخفضاً مع المقاييس الأخرى (على سبيل المثال، ارتباط سبيرمان مع Silhouette هو حوالي 0.24)، مما يؤكد أنه يقيس جانباً مختلفاً من جودة الإسقاط.
ضبط المعلمات الفائقة (Hyperparameter Tuning): تم استخدام CAPI بنجاح لتوجيه اختيار المعلمات الفائقة لـ UMAP، مما حدد الإعدادات التي تحافظ بشكل أفضل على البنية العالمية حتى عندما يكون الفحص البصري غامضاً.

5. الأهمية والخاتمة

تحول في النموذج الفكري: تجادل الورقة بأنه بالنسبة للمهام التي تتضمن تحليل علاقات المجموعات (مثل فهم التسلسل الهرمي، التداخل، أو الطوبولوجيا العالمية)، فإن المقاييس الحالية التي تركز على "القابلية للفصل" هي مضللة. يوفر CAPI بديلاً ضرورياً لتقييم الدقة الهيكلية.
اختيار الأدوات: يوضح المؤلفون حالات الاستخدام المناسبة:
- استخدم t-SNE/UMAF إذا كان الهدف هو مجرد تحديد عدد المجموعات أو للاستكشاف الأولي.
- استخدم CADI/AngleEmbedding إذا كان الهدف هو فهم كيفية ارتباط المجموعات ببعضها البعض، ومواقعها النسبية، وأشكالها الهندسية.
العمل المستقبلي: يقترح المؤلفون توسيع نطاق AngleEmbedding إلى الفضاءات غير الإقليدية (الكرات، الهايبربوليد) وإجراء مزيد من التحليل النظري لتجميع الأخطاء الزاوية.

باختدال، يعالج CADI ثغرة حرجة في تقييم تقليل الأبعاد من خلال قياس تشوه الهندسة بين المجموعات، مما يوفر دليلاً أكثر موثوقية للمحللين الذين يعملون مع هياكل بيانات معقدة وغير كروية.