جلسهی 52: پروژه: مشاور رشته Project: Study-Field Advisor
با یک پرسشنامهی ساختگی از ۲۸ دانشآموز (نمرهها و علاقهها و رشتهای که انتخاب کردند) یک درخت تصمیم میسازیم که برای دانشآموز تازه رشته پیشنهاد میدهد، دلیلش را با قانونهای مسیر توضیح میدهد و دقتش را روی دانشآموزانِ کنار گذاشته گزارش میکند.
در این جلسه یاد میگیری
- در پایان این جلسه میتوانم یک جدول پرسشنامه را از متن CSV بخوانم و به آموزش و آزمون تقسیم کنم.
- در پایان این جلسه میتوانم با تابعهای جلسههای ۵۰ و ۵۱ درخت مشاور را بسازم و قانونهایش را چاپ کنم.
- در پایان این جلسه میتوانم پیشنهاد درخت را با سؤالهای مسیرش توضیح دهم.
- در پایان این جلسه میتوانم دقت آزمون، اشتباهها و یک هشدار صادقانه را گزارش کنم.
درس
آخر پایهی نهم باید رشته انتخاب کنی: ریاضی، تجربی، انسانی یا هنر. خیلیها برای این تصمیم پیش مشاور میروند. امروز یک «مشاور کوچک» میسازیم که از روی نمرهها و علاقهها رشته پیشنهاد میدهد، و مهمتر از آن، میگوید چرا. چهار قدم: ۱) خواندن جدول، ۲) ساختن درخت، ۳) توضیح پیشنهاد، ۴) دقت روی دانشآموزان کنار گذاشته و یک هشدار صادقانه.
جدول ساختگی است: ۲۸ دانشآموز خیالی، نمرهی ریاضی، علوم، ادبیات و هنر (از ۲۰)، دو علاقهی بله/خیر (likes_people: کار با آدمها، likes_building: ساختن چیزها) و رشتهای که انتخاب کردند. در کد رشتهها را انگلیسی مینویسیم: maths ریاضی، science تجربی، humanities انسانی و art هنر.
maths,science,literature,art,likes_people,likes_building,field
18,15,12,10,0,1,maths
14,18,13,10,1,0,science
11,12,18,13,1,0,humanities
10,11,14,18,0,0,art
...از هر چهار دانشآموز یکی (i % 4 == 3) را برای آزمون کنار میگذاریم: ۲۱ نفر آموزش، ۷ نفر آزمون. درخت را با همان build جلسهی ۵۱ میسازیم، با max_depth=3 و min_samples=2. درخت از شش ویژگی فقط سه تا را لازم دارد: هنر، ادبیات و ریاضی.
if art < 16:
if literature < 16:
if maths < 17:
-> science
else:
-> maths
else:
-> humanities
else:
-> artتوضیح دادن مثل predict است: از ریشه پایین میرویم، با این فرق که هر سؤال را در یک لیست یادداشت میکنیم: اگر به چپ رفتیم art < 16، اگر به راست maths >= 17. آخر کار: «پیشنهاد: ریاضی، چون هنر کمتر از ۱۶ و ادبیات کمتر از ۱۶ و ریاضی دستکم ۱۷». یک شبکهی عصبی نمیتواند چنین جملهای بگوید.
قانونها را با دقت بخوان: درخت هیچوقت نمرهی علوم را نمیپرسد! هر کس ریاضیاش کمتر از ۱۷ باشد (و هنر و ادبیاتش پایین)، تجربی پیشنهاد میگیرد. برای همین دانشآموز آزمونی با ریاضی ۱۶ و علوم ۱۳ که ریاضی انتخاب کرده بود، اشتباه پیشنهاد گرفت. با ۲۱ نفر، درخت فقط کوتاهترین راه را برای جدا کردن همین ۲۱ نفر پیدا کرده، نه منطق واقعی انتخاب رشته را.
⚠️ سوگیری: این داده ساختگی است و برای تمرین است، نه برای تصمیم واقعی. در یک مشاور واقعی هرگز جنسیت یا درآمد خانواده را ویژگی نکن، حتی اگر دقت را بالا ببرد. اگر در گذشته دخترها کمتر ریاضی رفتهاند یا خانوادههای کمدرآمد کمتر هنر، درخت همان بیعدالتیِ گذشته را یاد میگیرد و به شکل یک قانون «علمی» تکرار میکند. بعد از ساختن هر درخت، فهرست ویژگیهایش را بخوان (جلسهی ۵۱).
⚠️ مشاور فقط مشورت میدهد؛ دانشآموز و خانواده تصمیم میگیرند. علاقه، رؤیا و شرایط هر نفر در شش عدد جا نمیشود. حریم خصوصی هم مهم است: نمرهها و علاقههای یک پرسشنامه اطلاعات شخصیاند. اگر روزی پرسشنامهی واقعی جمع کردی، اسم نپرس، اجازه بگیر، بگو با جوابها چه میکنی و جدول را با کسی به اشتراک نگذار.
اگر زود تمام کردی: ۱) خودت را به مشاور بده (نمرههای واقعیات را نه، چند عدد خیالی) و ببین توضیحش منطقی است؟ ۲) یک ستون تازه مثل likes_nature با مقدارهای ساختگی اضافه کن و ببین درخت از آن استفاده میکند یا نه. ۳) max_depth را ۲ و ۴ کن؛ یادت باشد انتخاب عمق باید با کپهی اعتبارسنجی باشد، نه آزمون (جلسهی ۴۹).
مثالهای این جلسه
- مثال پایتون (هوش مصنوعی با پایتون): maths,science,literature,art,likes_people,l…
- مثال شرط if (هوش مصنوعی با پایتون): if art < 16:
چالشها
- Step 1: Read the Questionnaire (آسان)
- Step 2: Grow the Advisor Tree (متوسط)
- Step 3: Explain the Advice (متوسط)
- Step 4: Test and Disclaimer (سخت)