Hoeffding adaptive splitting trees for data stream classification with concept drift and ensemble learning

في عالم الحوسبة الحديثة، لا تقبع البيانات ساكنة على رف بانتظار تحليلها؛ بل تتدفق مثل النهر، واصلة في تيار مستمر وعالي السرعة. تخيل نظاماً يجب أن يتعلم كيفية التعرف على الأنماط في هذا السيل من المعلومات في الوقت الفعلي، ويتخذ قرارات بشأن كل قطعة بيانات فور وصولها ثم يتخلص منها لإفساح المجال للقطعة التالية. هذا هو تحدي تنقيب تدفق البيانات (data stream mining). وتتضاعف الصعوبة بسبب حقيقة أن قواعد اللعبة يمكن أن تتغير بينما يلعب النظام. وفي لغة علوم الحاسوب، يُسمى هذا "انزياح المفهوم" (concept drift): فالأنماط الأساسية التي تحدد ما هو "صحيح" تتغير بمرور الوقت، ربما لأن عادات المستهلكين تتغير، أو لأن آلة بدأت في التآكل، أو ظهر نوع جديد من الاحتيال. وللبقاء في هذه البيئة، يجب أن تكون أنظمة التعلم سريعة، وفعالة في استهلاك الذاكرة، وقادرة على التكيف فوراً مع هذه التحولات دون نسيان ما تعلمته بالفعل.

لسنوات، كانت الأداة القياسية لبناء هذه الأنظمة التعليمية هي نوع محدد من أشجار القرار، وهي بنية تطرح سلسلة من الأسئلة التي تُجاب بنعم أو لا لتصنيف البيانات إلى فئات. تنمو هذه الأشجار من خلال فحص البيانات واتخاذ قرار بشأن متى يتم تقسيم مجموعة من العناصر إلى مجموعات أصغر وأكثر تحديداً. الطريقة التقليدية للقيام بذلك هي التحقق من وجود انقسام في فترات زمنية منتظمة وثابتة، تماماً مثل مزارع يتفقد حقلاً كل صباح بغض النظر عن حالة الطيب. ومع ذلك، وجد الباحثون أن هذا الجدول الزمني الجامد غالباً ما يكون غير فعال؛ فهو يجبر النظام على إضاعة الوقت في البحث عن التغييرات عندما تكون البيانات مستقرة، ويمكن أن يفوت اللحظة الدقيقة لحدوث تغيير عندما تكون البيانات في حالة تحول سريع. وحاول نهج أحدث إصلاح ذلك بجعل الشجرة "تكيفية"، مما يسمح لها بالانقسام فقط عندما يستشعر كاشف ما تغيراً في البيانات. وبينما بدا هذا واعداً، إلا أنه أوجد مشكلة جديدة: فعندما تُستخدم العديد من هذه الأشجار التكيفية معاً في فريق واحد، فإنها تميل إلى أن تصبح متشابهة جداً مع بعضها البعض، حيث تستجيب جميعها للتغيرات في نفس اللحظة تماماً، مما يجعل الفريق أقل فعالية في حل المشكلات المعقدة.

ولحل هذه المعضلة، اقترح فريق من الباحثين من البرازيل وفرنسا نوعاً جديداً من أشجار القرار يجمع بين أفضل ما في العالمين. لقد ابتكروا نموذجين جديدين، أطلقوا عليهما اسم "أشجار هوفدينج للتكيف مع الانقسام" (Hoeffding Adaptive Splitting Trees). تحافظ هذه النماذج على العادة التقليدية المتمثلة في التحقق من الانقسامات في فترات منتظمة لضمان نمو الأشجار بطرق مختلفة، لكنها تضيف أيضاً طبقة ثانية من الذكاء. تراقب هذه الطبقة الثانية باستمرار أداء أوراق الشجرة — وهي الفروع النهائية حيث تُتخذ القرارات. فإذا استشعر كاشف ما أن الشجرة تعاني أو أن توزيع البيانات قد تغير، فإنه يحفز انقساماً فورياً، مما يسمح للشجرة بالتكيف فوراً مع الواقع الجديد. ومن خلال مزج الإيقاع الثابت والمبني على التنوع للطريقة القديمة مع ردود الفعل الحادة والاستجابية للطريقة الجديدة، هدف الباحثون إلى إنشاء نظام تعلم يكون متوعاً ومتكيفاً للغاية في آن واحد.

اختبر الباحثون هذه الأشجار الجديدة عبر دمجها في عدة أنظمة تعلم جماعية وتشغيلها مقابل مجموعة متنوعة من مجموعات البيانات. استخدموا كلاً من البيانات الاصطناعية، التي تم إنشاؤها بواسطة الحواسيب لمحاكاة أنواع محددة من التغييرات، والبيانات الواقعية من مصادر مثل استهلاك الكهرباء، ورحلات الطيران، وتصنيف الحشرات. كانت النتائج واضحة: في البيانات الاصطناعية البسيطة حيث تكون الأنماط سهلة التعلم، أدت الأشجار الجديدة أداءً مشابهاً للطرق الأقدم. ومع ذلك، في البيانات الواقعية المعقدة، برز النهج الجديد بوضوح. فقد تفوقت الأشجار التي جمعت بين الفحوصات الدورية والمحفزات التكيفية بشكل كبير على الطرق القياسية، خاصة في الحالات التي توجد فيها فئات عديدة مختلفة للتمييز بينها. وفي بعض الحالات، كان التحسن في الدقة كبيًرا، حيث وصل إلى ستة عشر نقطة مئوية فوق الأشجار التقليدية. وهذا يشير إلى أن القدرة على الانقسام في اللحظة المناسبة، وليس فقط في الوقت المناسب، أمر بالغ الأهمية للتعامل مع الطبيعة الفوضوية وغير المتوقعة للبيانات الواقعية.

كشفت الدراسة أيضاً أن ليست كل تركيبات الأشجار والفرق تعمل بنفس الكفاءة. وجد الباحثون أن الطريقة المحددة التي تراقب بها الأشجار الجديدة البيانات كانت مهمة. ففي نسخة من الشجرة، راقب النظام تغيرات في نقاء مجموعات البيانات، بينما راقب في نسخة أخرى الأخطاء في التنبؤ. وعند اقترانها بفريق يعتمد على مجموعات فرعية عشوائية من الميزات، كانت النسخة التي راقبت النقاء هي الأفضل أداءً، متجنبة الوقوع في فخ حيث يعلق الفريق بأشجار ضعيفة وغير مفيدة. حدد الباحثون اقتراناً معيناً بين أفضل نموذج لشجرتهم وفريق يستخدم الاختيار العشوائي للميزات باعتباره التركيبة الأكثر فعالية للتحديات الواقعية. أنتج هذا المزيج أقوى النتائج وأكثرها اتساقاً عبر كافة المجالات، مما أثبت أن النهج الهجين يتغلب بنجاح على قيود استخدام الجدول الزمني الجامد أو النظام التفاعلي البحت وحدهما.

وبعيداً عن الدقة، نظر الباحثون في تكلفة تشغيل هذه الأنظمة؛ حيث قاموا بقياس مقدار وقت الحاسوب والذاكرة التي تتطلبها الأشجار الجديدة. وبينما نمت الأشجار الجديدة بشكل أكبر قليلاً من الأشجار القياسية، إلا أنها ظلت أكثر كفاءة بكثير من الطرق المتقدمة الأخرى التي حاولت تحقيق نتائج مماثلة. كانت التكلفة الحسابية تنافسية، وفي بعض الحالات، كانت الأشجار الجديدة في الواقع أقل تكلفة في التشغيل من الطرق الأقدم والأكثر رسوخاً. وهذا اكتشاف حيوي لأنه في عالم تدفقات البيانات، يكون النظام الدقيق ولكن البطيء جداً أو المستهلك للذاكرة بلا فائدة. لقد نجحت النماذج الجديدة في أن تكون ذكية وفعالة في آن واحد، مقدمة حلاً عملياً للأنظمة التي تحتاج إلى التعلم المستمر من النهر المتدفق للمعلومات.

يخلص البحث إلى أن المفتاح للتعامل مع انزياح المفهوم في البيئات المعقدة ليس الاختيار بين أن تكون ثابتاً أو تفاعلياً، بل أن تكون كليهما. فمن خلال السماح لأشجار القرار بالنمو بوتيرتها الخاصة مع البقاء في حالة تأهب للتغيرات المفاجئة، نجح الباحثون في إنشاء أساس أكثر قوة للتعلم عبر الإنترنت. وتشير النتائج إلى أن الأنظمة المستقبلية يجب أن تبتعد عن الجداول الزمنية الجامدة التي تناسب الجميع، وتتجه نحو النماذج الهجينة التي يمكنها استشعار صحة عملية التعلم الخاصة بها. ومع استمرار نمو حجم وتعقيد تدفقات البيانات، توفر أشجار التكيف هذه وسيلة للآلات لمواكبة عالم متغير، والتعلم من كل قطعة معلومات جديدة دون فقدان توازنها.