فيتامين C في الأسيرولا النيئة
ملغ لكل 100 غرام؛ أعلى قيمة مسجلة ضمن فئة الفواكه.
دراسة باستخدام Python · العمل الأصلي ديسمبر 2023
فيتامين C والسعرات.
ماذا تكشف البيانات؟
أي فاكهة تحتوي على أعلى تركيز من فيتامين C؟ حللت 7,793 غذاءً باستخدام Python، من تنظيف البيانات ومقارنة العناصر الغذائية إلى علاقة الماء بالطاقة ونمذجة السعرات. يشمل عمل 2023 مراجعة قابلة لإعادة التشغيل في 2026.
7,793سجلًا غذائيًا
25فئة غذائية
3صيغ للانحدار الخطي OLS
100 غرامأساس موحد للمقارنة
النتائج في دقيقة
ثلاث نتائج، ثم التفاصيل لمن يريد.
ارتباط الماء والسعرات
ترتبط نسبة الماء الأعلى بكثافة طاقة أقل ضمن هذه البيانات.
خطأ RMSE في الاختبار
كيلو سعر حراري لكل 100 غرام للنموذج الموسّع، مع توضيح حدود التقييم.
سؤال التحليل
أي فاكهة تحتوي على أعلى تركيز من فيتامين C؟
الأسيرولا النيئة: 1,677.6 ملغ لكل 100 غرام. يعتمد الترتيب على 349 سجلًا له قيمة مسجلة لفيتامين C من أصل 355 ضمن فئة الفواكه وعصائرها. تظل القيم الست المفقودة غير معروفة. النتيجة خاصة بهذه البيانات؛ والطازج والعصير والمجفف أشكال مختلفة.
استكشف ترتيب الفواكه والكود المصحح ←
بدأ التحليل ضمن مسابقة تعلّم على DataCamp: استكشاف تركيب الأغذية، وتحديد مصادر فيتامين C، ودراسة العلاقة بين الماء والسعرات، وبناء نماذج خطية للطاقة. وسّعت النموذج الأساسي بإضافة الفئات الغذائية والتفاعلات والكحول والألياف.
تتضمن البيانات تسعة حقول للعناصر الغذائية والطاقة، إلى جانب معرّفات الأغذية وأوصافها وفئاتها. تُقاس القيم لكل 100 غرام لتكون المقارنة على أساس كتلة موحدة.
المصدر: مجموعة DataCamp بعنوان «What Foods Are the Most Nutritious?»، المعدّلة من USDA FoodData Central. يعود نشر تحليلي إلى 11 ديسمبر 2023. كانت مسابقة تعليمية دون تحكيم؛ المشاركة لا تعني الحصول على جائزة.
من النص إلى التحليل
تجهيز البيانات
حوّلت نصوصًا مثل «5.88 g» و«307.0 kcal» إلى قيم رقمية، وفحصت القيم المفقودة، ولخصت الفئات الغذائية، ورسمت العلاقات بين العناصر الغذائية.
تحافظ المراجعة على القيم المفقودة حتى تحدد كل خطوة تحليلية كيفية التعامل معها. قيمة الكحول مفقودة في 2,394 سجلًا؛ تعويضها بصفر مباشرة يضيف افتراضًا غير مثبت.
ارتباط ملاحظ: معامل ارتباط بيرسون بين الماء والسعرات يساوي −0.895 في هذه البيانات. ترتبط نسبة الماء الأعلى عمومًا بكثافة طاقة أقل لكل 100 غرام.
النموذج الأصلي
بداية واضحة وقابلة للفحص
استخدمت الصيغة الأولى البروتين والدهون والكربوهيدرات لتفسير السعرات، دون ثابت انحدار. أعادت المراجعة إنتاج المعاملات المحفوظة: 4.137 للبروتين، و 8.844 للدهون، و 3.854 للكربوهيدرات، بوحدة كيلو سعر حراري لكل غرام.
أضاف الدفتر الأصلي تأثيرات الفئات وتفاعلاتها، ثم الكحول والألياف. كانت الأخطاء المعيارية المتبقية المحفوظة 16.68 و13.89 و8.14 كيلو سعر حراري. تصف هذه الأرقام ملاءمة بيانات التدريب، ولا تقيس التنبؤ بأغذية جديدة.
مراجعة قابلة لإعادة التشغيل · سبتمبر 2026
مقارنة على بيانات اختبار منفصلة
تستخدم المراجعة الصفوف نفسها لكل النماذج: 5,334 سجلًا بسعرات موجبة ومدخلات نموذج مكتملة. ينتج التقسيم الثابت داخل كل فئة 4,278 صفًا للتدريب و1,056 للاختبار. لا يُستبعد الصف بسبب نقص الكوليسترول أو فيتامين C لأنهما ليسا من مدخلات النماذج.
| صيغة النموذج | متوسط الخطأ المطلق MAE | جذر متوسط مربع الخطأ RMSE | الرتبة / عدد الأعمدة |
|---|---|---|---|
| العناصر الغذائية الكبرى | 6.86 | 15.38 | 3 / 3 |
| تفاعلات الفئات | 6.04 | 15.71 | 100 / 100 |
| تفاعلات الكحول والألياف | 4.70 | 13.55 | 126 / 150 |
تقاس قيم MAE وRMSE بكيلو سعر حراري لكل 100 غرام. هذه نتائج مراجعة 2026، وليست نتائج التقديم الأصلي.
تزيد إضافة تفاعلات الفئات وحدها RMSE قليلًا في هذا التقسيم. تخفض إضافة الكحول والألياف القيمة إلى 13.55، لكن مصفوفة التفاعلات الكاملة ناقصة الرتبة: 126 من أصل 150 عمودًا. لذلك يتطلب تفسير المعاملات الفردية الحذر.
ما تعلمته
جودة الملاءمة تحتاج إلى سياق
- احتفظ بمعنى القيم المفقودة. «غير مذكور» لا يعني صفرًا.
- افحص البيانات المستخدمة فعليًا في النموذج. وصف الدفتر الأصلي نموذجًا يعتمد على الحالات المكتملة، لكنه استخدم إطار بيانات سبق تعويض القيم المفقودة فيه بصفر. توضح المراجعة اختيار الصفوف صراحة.
- تجنب سيناريوهات غير ممكنة. احتوت شبكة التنبؤ الأصلية على تركيبات لا تناسب عينة غذائية بوزن 100 غرام. تقيّم المراجعة صفوف أغذية موجودة فعلًا في البيانات.
- افصل الوصف عن السببية. لا يثبت تركيب الغذاء خطر الإصابة بمرض أو الأثر السريري لنظام غذائي.
المقارنة على بيانات الاختبار تحقق داخلي من قابلية إعادة التشغيل. قد تظهر منتجات متشابهة في التدريب والاختبار، وقد يؤدي اختيار الحالات المكتملة إلى تحيز. هذا عمل تعلّم استكشافي، ولا يمثل نظامًا سريريًا أو إنتاجيًا للتنبؤ.