الانحدار الخطي

ما هو الانحدار الخطي؟

يُعَدّ الانحدار الخطي (Linear Regression) نموذجًا إحصائيًا يُستَخدم لتوقع العلاقة بين متغيّر تابع ومتغيّر مستقل واحد أو أكثر، حيث يُمثِّل المتغيّر التابع القيمة التي يُراد تنبؤها، بينما يوضح المتغيّر المستقل العوامل التي تُؤثِّر في هذه القيمة ومدى تأثيرها.^{11الانحدار الخطيhbrarabic.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} في أبسط صوره، يُعرف الانحدار الخطي البسيط بأنه طريقة إحصائية تُحدِّد علاقة رياضية بين متحول الخرج (المتغيّر التابع) ومتحولٍ آخر يُسمى المتغيّر المفسِّر أو المستقل، وهو المسؤول عن إحداث تغيّر في الخرج.^{22موسوعة العلوم والتقاناتarab-ency.com.syاذهب إلى المرجع ↓يُفتح في تبويب جديد} يتطلّب بناء النموذج مجموعة تدريبية مكوّنة من m عينة تحتوي على قيم المتغيّرات المدخلة والخرجية، ويهدف إلى استنتاج دالة تربط هذين النوعين من القيم.^{22موسوعة العلوم والتقاناتarab-ency.com.syاذهب إلى المرجع ↓يُفتح في تبويب جديد} عملية التحليل لا تقتصر على اختيار الخط الأنسب فحسب، بل تشمل أيضًا تمثيل المكوّنات الحتمية التي تُعطي الثوابت، والمكوّنات العشوائية التي تُعبر عن الخطأ أو الضوضاء في البيانات.^{22موسوعة العلوم والتقاناتarab-ency.com.syاذهب إلى المرجع ↓يُفتح في تبويب جديد} يُستَخدم الانحدار الخطي على نطاق واسع في مجال التعلم الآلي، حيث تم تعزيز أساليبه بطرق حديثة لتحسين ملاءمة الخط وقياس الأخطاء، ما يجعله خيارًا مناسبًا للنماذج التنبؤية البسيطة.^{33الانحدار الخطي: مرجع المكون - Azure Machine Learning | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} كما يُظهر أداءً جيدًا عند تطبيقه على مجموعات بيانات ذات أبعاد عالية وتباين كبير، خصوصًا عندما تكون هذه البيانات غير معقّدة.^{33الانحدار الخطي: مرجع المكون - Azure Machine Learning | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

الفكرة

تُعَدُّ طريقة الانحدار الخطي (Linear Regression) وسيلة إحصائية تُرسم فيها علاقة خطية بين متغيرين أساسيين؛ المتغير المستقل يُوضَع على المحور الأفقي بينما يُرسم المتغير التابع على المحور الرأسي، ويُشار إلى المتغيرات المستقلة أحيانًا بالمُتَنبِّئات أو المتغيّرات التوضيحية، وإلى المتغير التابع كمتغيّر استجابة أو متغيّر متوقع.^{44ما المقصود بالتراجع الخطي؟ - شرح نموذج "التراجع الخطي" - AWSaws.amazon.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} الفكرة الأساسية هي تمثيل مجموعة من النقاط البيانية بخط مستقيم يُعطي أفضل تمثيل متوسط للقيم الموزَّعة على سطح ثنائي الأبعاد، بحيث يُستَخدم هذا الخط لتوليد نقاط بيانات جديدة تتوافق مع التوزيع الشرطي للقيم السابقة.^{55ما المقصود بنماذج الانحدار الذاتي؟ - شرح "نماذج الانحدار الذاتي" - AWSaws.amazon.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} يُظهر نموذج الانحدار الخطي البسيط كيف يؤثر المتغيّر المستقل على المتغيّر التابع، ويُصاغ عادةً على شكل معادلة خطية من الدرجة الأولى تُعبّر عن هذه العلاقة.^{66Simple Linear Regression | Linear Regressionyoutube.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

المعادله

في الانحدار الخطي تُصوَّر العلاقة بين المتغيّر التابع ‎y‎ والمتغيّر المستقل ‎x‎ بخط مستقيم يُعطى بصيغة جبرية بسيطة. الصيغة العامة هي ‎y = mx + b‎ حيث ‎m‎ (أو ‎w₁‎ في سياق تعلّم الآلة) يمثل معامل الانحدار أو الوزن، بينما ‎b‎ (أو ‎c‎) هو الثابت أو الانحياز الذي يحدد نقطة تقاطع الخط مع محور ‎y‎.^{44ما المقصود بالتراجع الخطي؟ - شرح نموذج "التراجع الخطي" - AWSaws.amazon.comاذهب إلى المرجع ↓يُفتح في تبويب جديد55ما المقصود بنماذج الانحدار الذاتي؟ - شرح "نماذج الانحدار الذاتي" - AWSaws.amazon.comاذهب إلى المرجع ↓يُفتح في تبويب جديد77الانحدار الخطّي | Machine Learning | Google for Developersdevelopers.google.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} في حالة الانحدار الخطي البسيط، أي عندما تكون العيّنة مكوّنة من ‎n‎ نقطة بيانية ومتغيّر واحد، تُضاف إلى الصيغة معامل الخطأ لتكوين معادلة المستقيم المعروفة (المعادلة 1) التي تُعبّر عن الارتباط الخطي بين الدخل والخرج.^{22موسوعة العلوم والتقاناتarab-ency.com.syاذهب إلى المرجع ↓يُفتح في تبويب جديد}

• ‎m‎ (أو ‎w₁‎) هو معامل الانحدار الذي يحدد مدى تغير ‎y‎ مع كل وحدة زيادة في ‎x‎.^{77الانحدار الخطّي | Machine Learning | Google for Developersdevelopers.google.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
• ‎b‎ (أو ‎c‎) هو الثابت الذي يحدد قيمة ‎y‎ عندما تكون ‎x = 0‎، وهو ثابت لجميع القيم الممكنة للمتغيّرين.^{44ما المقصود بالتراجع الخطي؟ - شرح نموذج "التراجع الخطي" - AWSaws.amazon.comاذهب إلى المرجع ↓يُفتح في تبويب جديد55ما المقصود بنماذج الانحدار الذاتي؟ - شرح "نماذج الانحدار الذاتي" - AWSaws.amazon.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
• ‎ε‎ (معامل الخطأ) يُضاف إلى الصيغة لتقريب الفروق بين القيم المتوقعة والقياسات الفعلية في العيّنة.^{22موسوعة العلوم والتقاناتarab-ency.com.syاذهب إلى المرجع ↓يُفتح في تبويب جديد}

طريقة المربعات الصغرى

تُعَدُّ طريقة المربعات الصغرى العادية (Ordinary Least Squares) أسلوبًا إحصائيًا يُستَخدم لتقدير معلمات نموذج الانحدار الخطي، سواء كان بسيطًا بمتغيّر مستقل واحد أو متعددًا بأكثر من متغيّر مستقل.^{88فهم المربعات الصغرى العاديةae.linkedin.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} تُستَنتج معادلاتها عبر تعيين تدرّج مجموع الأخطاء المربَّعة إلى الصفر، ما يُنتج نظامًا من المعادلات يُعرف بالمعادلات العادية يمكن حله بصورة مغلقة للمعاملات.^{99حلا مغلقا And الأخطاء المربعة And الانحدار الخطيfastercapital.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} يُظهر خط الانحدار المستنتج بهذه الطريقة أنه يمر عبر المتوسطات (x̄, ȳ) للمتغيّرين، ما يتيح تحديده باستخدام المتوسطات، الانحرافات المعيارية، وارتباط المتغيّرين قيد الدراسة.^{1010موسوعة العلوم والتقاناتarab-ency.com.syاذهب إلى المرجع ↓يُفتح في تبويب جديد} في بيئات البرمجة والنمذجة، يُوفر المكوّن الخاص بالانحدار الخطي خيارين لتكوين النموذج؛ يُفضَّل اختيار المربعات الصغرى العادية للبيانات الصغيرة، حيث تُعطي نتائج مماثلة لتلك التي ينتجها برنامج Excel.^{33الانحدار الخطي: مرجع المكون - Azure Machine Learning | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

• تُقدِّم طريقة المربعات الصغرى حلًا مغلقًا للمعاملات، ما يجعلها فعّالة حسابيًا حتى مع مجموعات بيانات ضخمة لا يمكن تحميلها بالكامل في الذاكرة.^{99حلا مغلقا And الأخطاء المربعة And الانحدار الخطيfastercapital.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
• من عيوبها الحساسية للقيَم المتطرفة، ما قد يؤثر سلبًا على دقة النموذج عند وجود نقاط شاذة.^{99حلا مغلقا And الأخطاء المربعة And الانحدار الخطيfastercapital.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

مثال محلول

تُظهر الأمثلة العملية كيف يمكن للانحدار الخطي (Linear Regression) أن يُستَخدم لتوقع قيم مستقبلية بناءً على بيانات سابقة. ففي حالة شركة تشهد ارتفاعًا تدريجيًا في مبيعاتها الشهرية، يمكنها تطبيق معادلة الانحدار الخطي على هذه البيانات لتقدير مبيعات الأشهر القادمة، ما يُسهم في التخطيط الاستراتيجي وإدارة المخزون بفعالية أكبر.^{11الانحدار الخطيhbrarabic.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} كما يُظهر مثال آخر كيفية توظيف الانحدار البسيط والمتعدد لتوقع معدل تراكمي (ص) بناءً على متغيرين مستقلين: نسبة الذكاء (س1) وعدد ساعات عرض المزيد (س2)، حيث تُعطى المعادلة الشكل التالي: ص = 57 س1 + 1.12 س2 – 66، ما يوضح تأثير كل متغير على النتيجة المتوقعة.^{1111العملية الإرشادية [محمد محروس الشناوي]، ص228shamela.ws — ص228اذهب إلى المرجع ↓يُفتح في تبويب جديد}

لتنفيذ هذا النوع من التحليل، تُستَخدم برامج إحصائية تُظهر القيم العددية للمعاملات ومؤشرات جودة النموذج. على سبيل المثال، ينتج البرنامج قيمة معامل الانحدار الأولى (1.15) ويُظهر قيمة R² التي تُعبّر عن نسبة التفسير (مثلًا 0.65) مما يُتيح للمستخدم تقييم مدى ملاءمة النموذج للبيانات.^{66Simple Linear Regression | Linear Regressionyoutube.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

خطوات حل مثال الانحدار الخطي:

• جمع البيانات التاريخية للمبيعات الشهرية أو المتغيرات المستقلة المطلوبة.^{11الانحدار الخطيhbrarabic.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
• اختيار نوع الانحدار المناسب (بسيط أو متعدد) وفقًا لعدد المتغيرات.^{1111العملية الإرشادية [محمد محروس الشناوي]، ص228shamela.ws — ص228اذهب إلى المرجع ↓يُفتح في تبويب جديد}
• إدخال البيانات في البرنامج الإحصائي وحساب المعاملات (مثل 1.15) ومؤشر R² (مثل 0.65).^{66Simple Linear Regression | Linear Regressionyoutube.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
• استخدام المعادلة المستنتجة لتقدير القيم المستقبلية، مثل توقع المبيعات أو المعدل التراكمي.^{11الانحدار الخطيhbrarabic.comاذهب إلى المرجع ↓يُفتح في تبويب جديد1111العملية الإرشادية [محمد محروس الشناوي]، ص228shamela.ws — ص228اذهب إلى المرجع ↓يُفتح في تبويب جديد}

استخدامه في التعلم الآلي

يُعَدّ الانحدار الخطي (linear regression) أحد نماذج التعلم الخاضع للإشراف التي تُستَخدم لتدريب نماذج تتنبأ بقيم مستمرة بناءً على متغيّر أو أكثر.^{1212التعلُّم الخاضع للإشراف مقابل التعلُّم غير الخاضع للإشراف - الفرق بين خوارزميات تعلُّم الآلة - AWSaws.amazon.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} في مرحلة التدريب يُزوَّد النموذج بمجموعة من العينات لتحديد معاملات التابع، ثم يُختبر على عينات حقيقية لتقييم أدائه.^{22موسوعة العلوم والتقاناتarab-ency.com.syاذهب إلى المرجع ↓يُفتح في تبويب جديد} يُستَخدم هذا الأسلوب في تطبيقات متنوعة مثل التنبؤ بسعر المنزل اعتمادًا على موقعه وعمره وعدد الغرف بعد تدريب النموذج على بيانات مبيعات سابقة.^{1212التعلُّم الخاضع للإشراف مقابل التعلُّم غير الخاضع للإشراف - الفرق بين خوارزميات تعلُّم الآلة - AWSaws.amazon.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} كما يُتاح مكوّن الانحدار الخطي في منصات سحابية مثل Azure Machine Learning لإنشاء نموذج يُدمج في بنية ربط العمليات التجارية، ما يُسهل نشره ضمن بيئات الأعمال.^{33الانحدار الخطي: مرجع المكون - Azure Machine Learning | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} اختيار الانحدار الخطي من بين خوارزميات التعلم الآلي الأخرى يعتمد على طبيعة البيانات ونوع المشكلة، إذ يُفضَّل عندما تكون العلاقة بين المتغيّرات تقريبًا خطية.^{1313ما الذكاء الاصطناعي التنبئي وكيف يعمل؟ | تكنولوجياaljazeera.netاذهب إلى المرجع ↓يُفتح في تبويب جديد}

• تدريب النموذج على عيّنات لتحديد المعاملات ثم اختبارها على بيانات حقيقية.^{22موسوعة العلوم والتقاناتarab-ency.com.syاذهب إلى المرجع ↓يُفتح في تبويب جديد}
• توقع قيم مستمرة مثل أسعار العقارات باستخدام مدخلات متعددة.^{1212التعلُّم الخاضع للإشراف مقابل التعلُّم غير الخاضع للإشراف - الفرق بين خوارزميات تعلُّم الآلة - AWSaws.amazon.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
• توظيف مكوّن الانحدار الخطي في بيئات سحابية لتكامل الأعمال.^{33الانحدار الخطي: مرجع المكون - Azure Machine Learning | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
• اختيار الخوارزمية وفق طبيعة البيانات ومتطلبات الدقة.^{1313ما الذكاء الاصطناعي التنبئي وكيف يعمل؟ | تكنولوجياaljazeera.netاذهب إلى المرجع ↓يُفتح في تبويب جديد}

الافتراضات والقيود

تستند نماذج الانحدار إلى عدة افتراضات رئيسية تفرض بدورها قيودًا إجرائية على استخدامها، ومن أبرزها:

• فرضية الخطية: يتطلب التحليل وجود علاقة وظيفية ذات طبيعة خطية بين المتغيرات، وتعود ضرورة هذا الافتراض إلى أن الجوانب الإحصائية النظرية لأساليب التقدير غير الخطي لم يحددها علماء الرياضيات والاقتصاد القياسي بدقة بعد.^{141413.4: معادلة الانحدار - Globalquery.libretexts.orgاذهب إلى المرجع ↓يُفتح في تبويب جديد} ويفرض هذا قيدًا عمليًا في دراسات الاقتصاد؛ إذ تتسم العديد من النماذج بكونها غير خطية، كدوال التكلفة الإجمالية والحدية المرتبطة بتخصص العمل وتناقص الإنتاجية الهامشية.^{141413.4: معادلة الانحدار - Globalquery.libretexts.orgاذهب إلى المرجع ↓يُفتح في تبويب جديد} ورغم إمكانية اللجوء إلى معالجات بديلة مثل التحويل الأسي أو اللوغاريتمي للبيانات، فإن أسلوب المربعات الصغرى العادية (Ordinary Least Squares) يظل مقيدًا بتقدير خطي للعلاقات حتى وإن كانت في حقيقتها غير خطية.^{141413.4: معادلة الانحدار - Globalquery.libretexts.orgاذهب إلى المرجع ↓يُفتح في تبويب جديد}
• تماثل التفاوت (Homoscedasticity): يفترض هذا الشرط استقرار تباين القيم المتبقية أو ثبات انحرافها المعياري بالنسبة للمتوسط عند مختلف قيم المتغير المستقل.^{44ما المقصود بالتراجع الخطي؟ - شرح نموذج "التراجع الخطي" - AWSaws.amazon.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} ويؤدي غياب هذا التماثل إلى تقويض دقة النتائج الإحصائية، مما يفرض تعديل مقياس المتغير التابع لملاءمة التفاوت الطبيعي الشائع في مجموعات البيانات الكبيرة، كالاعتماد على معدل نصيب الفرد بدلًا من الإجماليات السكانية المطلقة.^{44ما المقصود بالتراجع الخطي؟ - شرح نموذج "التراجع الخطي" - AWSaws.amazon.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

أنظر أيضاً

• اختبار تورنغ
• أخلاقيات الذكاء الاصطناعي
• التعلم العميق
• التعلم المعزز
• الذكاء الاصطناعي التوليدي