An integration of decision trees into latent class modeling with covariates
تقترح هذه الورقة منهجية مبتكرة تدمج أشجار القرار في تحليل الفئات الكامنة لنمذجة تأثيرات المتغيرات المصاحبة على عضوية الفئة، مما يقدم بديلاً قابلاً للتفسير للنماذج اللوجستية التقليدية التي تعاني من التفاعلات المعقدة وسوء التوصيف.
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
المجموعات الخفية والخريطة الفوضوية
تخيل أنك محقق تحاول حل لغز، ولكن بدلاً من البحث عن مجرم واحد، أنت تحاول العثور على مجموعات خفية من الأشخاص الذين يتصرفون بطرق متشابهة. في عالم الإحصاء، يسمى هذا تحليل الفئات الكامنة (Latent Class Analysis). فكر في الأمر كأنه مجهر سحري ينظر إلى كومة من البيانات — مثل إجابات الاستبيانات حول الصحة أو العادات — ويقول: "آه! هؤلاء الناس ليسوا مجرد عشوائيين؛ إنهم ينتمون إلى نادي 'المخاطر العالية'، بينما ينتمي الآخرون إلى نادي 'المخاطر المنخفضة'". هذه الأندية هي "كامنة"، مما يعني أنه لا يمكنك رؤيتها مباشرة؛ أنت فقط ترى الأدلة (البيانات) التي تشير إليها.
ولكن إليك الجزء الصعب: بمجرد العثور على هذه الأندية الخفية، تريد معرفة لماذا ينتهي الأمر بشخص ما في نادٍ واحد بدلاً من الآخر. هل هو بسبب تقدمه في السن؟ هل بسبب التدخين؟ هل بسبب ممارسة الرياضة؟ عادةً ما يستخدم العلماء أداة قياسية تسمى النموذج اللوجستي (logistic model) للإجابة على ذلك. تخيل هذه الأداة كمسطرة مستقيمة وصلبة. فهي تحاول قياس تأثير العمر، والتدخين، والرياضة عن طريق جمعها في خط مستقيم. وهي تعمل بشكل رائع إذا كان العالم بسيطاً، لكن الحياة الواقعية فوضوية. أحياناً، لا يهم كون المرء مسناً إلا إذا كان أيضاً مدخناً. وأحياناً، لا تفيد ممارسة النشاط إلا إذا كنت شاباً. تُسمى هذه "التفاعلات"، ومحاولة حشرها في مسطرة مستقيمة غالباً ما تؤدي إلى كسر المسطرة أو تجعل الرياضيات معقدة للغاية لدرجة لا يستطيع أحد فهم النتيجة. هذا هو اللغز الذي سعى يوهان ليرفال وفليكس كلوث لحله.
الشجرة التي تنمو في البيانات
في ورقتهم البحثية الجديدة، يقترح ليرفال وكلوث تحولاً ذكياً: بدلاً من استخدام مسطرة مستقيمة للتنبؤ بالانتماء إلى أي مجموعة خفية ينتمي إليها الشخص، فلنستخدم شجرة القرار (decision tree). ربما رأيت هذه الأشجار في كتب "اختر مغامرتك الخاصة" أو ألعاب الفيديو. تبدأ من الأعلى وتطرح سؤالاً: "هل الشخص فوق الستين؟" إذا كانت الإجابة نعم، تذهب يميناً؛ إذا كانت لا، تذهب يساراً. ثم تطرح السؤال التالي بناءً على المكان الذي وصلت إليه. إنه مسار خطوة بخطوة يؤدي إلى إجابة نهائية.
يقترح المؤلفان بناء هذا النوع من الأشجار مباشرة داخل تحليل الفئات الكامنة. فبدلاً من التخمين بشأن أي مزيج معقد من العمر والجنس والعادات هو المهم، يبحث الكمبيوتر في البيانات ويسأل: "أي سؤال واحد يقسم المجموعات بشكل أفضل؟" قد يجد أن "العمر" هو أهم سؤال أول. ثم، بالنسبة لمجموعة "تحت الستين"، قد يسأل: "هل أنت نشط؟". أما بالنسبة لمجموعة "فوق الستين"، فقد يسأل: "هل تدخن؟". هذا يخلق خريطة تتعامل بشكل طبيعي مع تلك التفاعلات الفوضوية دون الحاجة إلى كتابة آلاف الصيغ الرياضية المعقدة.
اختبر الباحثون هذه الفكرة باستخدام بيانات صحية حقيقية من 4,546 شخصاً بالغاً في أمريكا. أرادوا معرفة ما إذا كان بإمكانهم التنبؤ بمن ينتمي إلى مجموعة "الصحة الأسوأ" مقابل مجموعة "الصحة الأفضل". أولاً، استخدموا الطريقة القياسية لتحديد مجموعتي الصحة بناءً على ثمانية مشاكل صحية مختلفة (مثل الربو، أو أمراض القلب، أو ارتفاع ضغط الدم). ووجدوا أن 63% من الناس كانوا في مجموعة "الصحة الأفضل"، و37% في مجموعة "الصحة الأسوأ".
ثم، تركوا شجرة القرار الجديدة تنمو. بدأت الشجرة بسؤال: "هل الشخص عمره 60 عاماً أو أكثر؟". كان هذا هو التقسيم الأفضل.
- إذا كنت تحت سن الستين: سألت الشجرة: "هل أنت نشط؟". إذا كنت نشطاً، كانت فرصة انتمائك لمجموعة "الصحة الأسوأ" 10% فقط. وإذا كنت غير نشط، قفزت النسبة إلى 17%.
- إذا كنت في سن الستين أو أكثر: أصبحت الشجرة أكثر تحديداً. إذا كنت نشطاً، كانت فرصة تعرضك لصحة أسوأ هي 73%. ولكن إذا كنت غير نشط، فكان الأمر يعتمد على جنسك وعادات التدخين لديك. النساء المسنات غير النشطات كنّ الأكثر عرضة للخطر بنسبة 85%. أما بالنسبة للرجال المسنين غير النشطين، فقد انقسمت الشجرة مرة أخرى: إذا كانوا يدخنون، كانت نسبة خطرهم 78%؛ وإذا لم يدخنوا، كانت 63%.
وجد المؤلفون أن هيكل هذه الشجرة كان أسهل بكثير في القراءة والفهم من الصيغ الرياضية التقليدية. لقد أظهرت بالضبط كيف تجتمع العوامل المختلفة لتغيير الاحتمالات. على سبيل المثال، كشفت أن التدخين لدى الرجال المسنين كان مرتبطاً في الواقع بخطر أقل للانتماء إلى مجموعة "الصحة الأسوأ" مقارنة بغير المدخنين. يشير المؤلفون إلى أن هذا يبدو غريباً، لكنه يشير إلى احتمال وجود "انحياز الناجين" (رب perhaps أن المدخنين الأصحاء فقط هم من بقوا على قيد الحياة حتى سن الشيخوخة) أو أن بعض الناس يشعرون بالرضا ولا يجدون سبباً للإقلاع عن التدخين.
تشير الورقة البحثية إلى أن هذا النهج هو أداة جديدة قوية. فهو لا يتطلب أي افتراضات غريبة؛ بل يستخدم فقط الأدوات الرياضية القياسية التي يثق بها الإحصائيون بالفعل، ولكن يرتتبها في شكل شجرة. ويعترف المؤلفون بأن نسختهم الحالية تعمل بشكل أفضل مع الأسئلة البسيطة (نعم أو لا)، مثل "هل أنت فوق الستين؟" أو "هل تدخن؟". ويقترحون أن العمل المستقبلي سيحتاج إلى معرفة كيفية التعامل مع الأسئلة الأكثر تعقيداً، مثل "ما هو عمرك بالضبط؟" أو "كم تبلغ دخلك؟".
كما يحذرون من أن بناء هذه الأشجار يشبه تسلق جبل خطوة بخطوة. فالكمبيوتر يختار الخطوة التالية الأفضل بناءً على مكانه الحالي، وليس بالضرورة المسار الأفضل للرحلة بأكملها. هذه سمة شائعة في أشجار القرار، وليست مشكلة جديدة اخترعوها. وللتأكد من أن الشجرة لا تقوم فقط بحفظ البيانات (مشكلة تسمى "الفرط في التخصيص" أو overfitting)، فقد اختبروا طريقتين لتقليم الشجرة: إحداهما تعتمد على ما إذا كانت التقسيمات ذات دلالة إحصائية (وليست مجرد حظ عشوائي)، والأخرى تعتمد على درجة تسمى BIC، والتي توازن بين مدى ملاءمة النموذج ومدى بساطته.
باخت-صار، تقترح هذه الورقة طريقة تسمح لأشجار القرار بتوجيهنا عبر الشبكة المعقدة من العوامل التي تحدد المجموعة الخفية التي ننتمي إليها. إنها تحول تشابك التفاعلات المربك إلى مسار واضح وخطوة بخطوة، مما يجعل من الأسهل على الباحثين رؤية القصة المخفية داخل البيانات. وبينما لا تزال فكرة جديدة تحتاج إلى مزيد من الاختبار والتوسع، إلا أنها تقدم طريقة جديدة وبديهية للنظر في كيفية تشكيل حياتنا وعاداتنا للمجموعات التي نقع ضمنها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.