לפני שמתחילים לבנות גרפים ומודלים, חשוב להבין מה כל עמודה מייצגת.
בחלק מהמשתנים יש שמות קצרים, ולכן כדאי לכתוב לעצמכם פירוש קצר.
משתנה
פירוש קצר
הערה לעבודה
state.name
שם המדינה בארצות הברית
משתנה מזהה, לא מספרי. מתאים להיות Meta.
state.abb
קיצור שם המדינה
גם זה משתנה מזהה. מתאים להיות Meta.
state.region
אזור גאוגרפי רחב בארצות הברית
יכול לעזור בהשוואה בין אזורים.
state.division
חלוקה גאוגרפית מפורטת יותר
יכול לעזור להבין דפוסים אזוריים.
longitude, latitude
קואורדינטות גאוגרפיות
נשתמש בהן להצגה על מפה. בדרך כלל לא נשתמש בהן כמשתנים מסבירים במודל.
life.exp
תוחלת חיים ממוצעת
זהו משתנה המטרה שאותו נרצה לחזות.
income
הכנסה ממוצעת
נבדוק האם היא קשורה לתוחלת החיים.
murder
שיעור מקרי רצח
נבדוק קשר אפשרי בינו לבין תוחלת החיים.
illiteracy
שיעור אי־ידיעת קרוא וכתוב
יכול להיות קשור למדדים חברתיים נוספים.
hs.grad
אחוז בוגרי תיכון
משתנה חינוכי שיכול להשפיע על המודל.
frost
מספר ימי כפור בשנה
משתנה סביבתי. בדקו אם הוא באמת רלוונטי לחיזוי.
population, state.area
אוכלוסייה ושטח המדינה
שימו לב: גודל המדינה לא בהכרח מסביר תוחלת חיים.
שלבים ב־Orange
הורידו את קובץ הנתונים למחשב.
פתחו את הקובץ בעזרת הווידג'ט File.
חשוב: אם הנתונים לא נפתחים נכון, או אם כל השורה מופיעה כעמודה אחת, שנו בתוך הווידג'ט File את File Type לפורמט CSV / Comma separated file.
לאחר שינוי סוג הקובץ בדקו ב־Data Table שהעמודות נפתחות בצורה תקינה.
בתוך הווידג׳ט File, שנו את שם המשתנה X ל־longitude.
בתוך הווידג׳ט File, שנו את שם המשתנה Y ל־latitude.
בתוך הווידג׳ט File, הפכו את life.exp למשתנה מטרה (Target).
בתוך הווידג׳ט File, הפכו את המשתנים הבאים ל־Meta:
state.area, longitude, latitude, state.division, state.region, state.abb, state.name.
לחצו על Apply.
שימו לב:
שינוי שמות המשתנים, בחירת משתנה מטרה, והעברת משתנים ל־Meta
נעשים כולם בתוך הווידג׳ט File, לפני שמחברים את הנתונים למודולים אחרים.
שאלת הבנה על טעינת קובץ:
אם הקובץ לא נפתח נכון עד שבחרתם CSV / Comma separated file,
הסבירו בקצרה מה הייתה הבעיה. אפשר להיעזר ב־ChatGPT או Gemini כדי להבין מהו קובץ CSV.
שאלת הבנה 1:
למה לדעתכם חשוב להגדיר את life.exp כמשתנה מטרה?
מה עלול לקרות אם נשכח לעשות זאת?
שאלת הבנה 2:
מה ההבדל בין משתנה רגיל לבין משתנה שמוגדר כ־Meta?
מדוע למשל שם המדינה לא צריך להיות משתנה מספרי במודל?
בדיקה ראשונית
כמה תצפיות יש בדאטה?
כמה מאפיינים יש?
האם יש ערכים חסרים?
האם יש משתנים שנראים לכם בעייתיים או לא רלוונטיים למודל?
מה לצרף למסמך? צרפו צילום מסך אחד של טעינת הנתונים או של טבלת הנתונים, וכתבו לידו כמה תצפיות וכמה מאפיינים מצאתם.
חלק 2: הצגת הנתונים על מפה
בחלק זה נציג את המדינות על מפת ארצות הברית.
נשתמש בתוסף Orange-Geo.
התקנת Orange-Geo
לחצו על Options → Add-ons.
בחרו Orange-Geo, סמנו אותו ולחצו OK.
לאחר ההתקנה תופיע קטגוריית Geo בצד שמאל.
חברו את File אל Geo Map.
בתוך Geo Map בחרו:
latitude = latitude,
longitude = longitude.
מה לבדוק במפה?
שנו את המשתנה שמגדיר את הצבע במפה.
נסו להציג את life.exp.
נסו להציג גם משתנים כמו income, murder, illiteracy.
חפשו דפוסים גאוגרפיים: האם יש אזורים עם ערכים גבוהים או נמוכים במיוחד?
שאלת הבנה 3:
האם מפה עוזרת להבין את הנתונים יותר מטבלה רגילה?
כתבו דוגמה אחת למשהו שהיה קל יותר לראות במפה.
שאלת חשיבה:
האם צבע חזק במפה תמיד אומר שיש קשר סיבתי?
למשל, אם באזור מסוים יש גם הכנסה גבוהה וגם תוחלת חיים גבוהה, האם זה מוכיח שהכנסה גורמת לתוחלת חיים גבוהה?
מה לצרף למסמך? צרפו 1–2 צילומי מסך מהמפה. ליד כל צילום מסך כתבו מה הצבע מייצג ומה הדפוס המרכזי שראיתם.
חלק 3: חקר נתונים בסיסי
שאלות בעזרת Data Table וכלים גרפיים
באיזה אזור ממוצע אורך החיים הוא הגבוה ביותר?
מהו המתאם בין ממוצע אורך החיים לבין כמות הרציחות?
מהי ההכנסה הגבוהה ביותר בדאטה?
באיזו מדינה מופיעה ההכנסה הגבוהה ביותר?
בחרו גרף אחד שלדעתכם עוזר להבין את הנתונים, והסבירו למה.
שאלת הבנה 4:
אם מצאתם קורלציה שלילית בין murder לבין life.exp,
איך הייתם מסבירים זאת במילים פשוטות?
שאלת ביקורת:
אילו טעויות אפשר לעשות כאשר מסתכלים רק על קורלציה?
כתבו לפחות טעות אחת אפשרית.
מה לצרף למסמך? צרפו צילום מסך אחד לפחות של Correlation, Scatter Plot או Data Table, והסבירו במשפטים קצרים מה למדתם ממנו.
חלק 4: בניית מודל רגרסיה ליניארית
כעת נבנה מודל רגרסיה ליניארית לחיזוי life.exp
על סמך המשתנים הבלתי תלויים.
מודל ראשון: כל המשתנים
חברו את הנתונים לווידג'ט של רגרסיה ליניארית.
העריכו את איכות המודל בעזרת R².
בדקו מהם המקדמים של משוואת הרגרסיה.
שימו לב במיוחד למקדם של income.
שאלת הבנה 5:
מה המשמעות של R² במילים פשוטות?
האם ערך גבוה של R² תמיד אומר שהמודל טוב?
שאלת חשיבה חשובה:
אם במודל קיבלנו מקדם שלילי עבור income,
אבל בגרף רואים קשר חיובי בין income לבין life.exp,
איך זה יכול לקרות?
רמז: לפעמים משתנים בלתי תלויים קשורים מאוד זה לזה.
מצב כזה נקרא multicollinearity.
במקרה כזה מקדמים של רגרסיה עלולים להיראות מבלבלים.
בדיקת קורלציות בין מאפיינים
השתמשו בווידג'ט Correlation.
חפשו זוגות משתנים עם קורלציה גבוהה.
נסו להסביר איך זה יכול להשפיע על מודל הרגרסיה.
שאלת הבנה 6:
למה מודל עם הרבה משתנים לא תמיד עדיף על מודל פשוט יותר?
מודל שני: ארבעה משתנים חשובים
ננסה לבנות מודל פשוט יותר. השתמשו בווידג'ט Rank
כדי למצוא משתנים חשובים לחיזוי.
לפי גישת univariate regression, השתמשו בארבעת המשתנים:
murder, illiteracy, hs.grad, income.
בנו מודל רגרסיה ליניארית רק עם ארבעת המשתנים האלה.
את שאר המשתנים סמנו כ־Meta או אל תשתמשו בהם במודל.
השוו בין המודל הראשון לבין המודל השני.
שאלת השוואה:
האם R² ירד? אם כן, האם זה בהכרח רע?
הסבירו במילים שלכם.
שאלת סיכום ביניים:
איזה מודל הייתם מעדיפים להציג למנהל או לאדם שאינו מומחה בסטטיסטיקה:
מודל מורכב יותר או מודל פשוט יותר? למה?
מה לצרף למסמך? צרפו צילומי מסך של המודל הראשון, תוצאות Rank, והמודל השני. ליד כל צילום מסך כתבו מה המסקנה העיקרית.
חלק 5: שימוש ב־AI ורפלקציה
בחלק זה תנסו להיעזר בכלי AI כמו ChatGPT או Gemini.
המטרה היא לא להעתיק תשובה, אלא לבדוק איך AI יכול לעזור לנו לחשוב, להסביר, ולבקר את התוצאה.
מה לעשות?
בחרו שאלה אחת מהמטלה שהייתה לכם קשה או מעניינת.
שאלו את ChatGPT או Gemini שאלה ברורה.
צרפו למסמך את הפרומפט שכתבתם.
כתבו בקצרה מה התשובה של ה־AI עזרה לכם להבין.
כתבו גם מה בתשובה היה חסר, לא מדויק, או דרש בדיקה נוספת.
דוגמאות לפרומפטים אפשריים
Explain why income can have a negative coefficient in linear regression even if the scatter plot shows a positive relationship.
What is multicollinearity in simple words? Give an example with life expectancy data.
How should I compare two linear regression models in Orange?
רפלקציה קצרה:
כתבו 5–8 שורות:
האם ה־AI עזר לכם? האם הוא טעה במשהו? האם הייתם סומכים עליו בלי לבדוק?
חשוב: מותר להשתמש ב־AI ככלי עזר, אבל אתם אחראים להבין את התשובה.
אין להגיש טקסט שלא קראתם ולא הבנתם.
סיכום אישי
בסוף העבודה כתבו סיכום קצר:
מה למדתם על עבודה עם Orange?
איזה גרף היה הכי שימושי לדעתכם?
מה היה מבלבל או קשה?
מה למדתם על רגרסיה ליניארית?
מה למדתם על שימוש ביקורתי ב־AI?
רשימת בדיקה לפני הגשה
סעיף
בדיקה
נתונים
הנתונים נטענו נכון, והוגדרו המשתנים המתאימים.
מפה וגרפים
יש לפחות 2 צילומי מסך עם הסבר קצר.
קורלציות
יש תשובה על הקשר בין life.exp לבין murder.
רגרסיה
יש השוואה בין מודל עם כל המשתנים לבין מודל פשוט יותר.
AI
יש פרומפט, תיאור קצר של תשובת ה־AI, ורפלקציה ביקורתית.