ما هي مقاييس التقييم؟
تُستخدم مقاييس التقييم لقياس جودة أي نموذج من نماذج التعلم الإحصائي أو الآلي. حيث يعد تقييم نماذج التعلم الآلي أمرًا ضروريًا لأي مشروع. هناك العديد من الأنواع المختلفة لمقاييس التقييم المتاحة لاختبار النموذج المناسب. وتشمل دقة التصنيف classification accuracy، والفقد اللوغاريتمي logarithmic loss ، ومصفوفة الارباك confusion matrix ، وغيرها. دقة التصنيف هي نسبة عدد التنبؤات الصحيحة إلى العدد الإجمالي لعينات الإدخال ، وهو ما نشير إليه عادةً عندما نستخدم مصطلح الدقة. يعمل الفقد اللوغاريتمي logarithmic loss، والذي يسمى أيضًا فقد السجل log loss ، عن طريق معاقبة التصنيفات الخاطئة . تعطينا مصفوفة الارباك Confusion matrix مصفوفة كإخراج وتصف الأداء الكامل للنموذج. هناك مقاييس تقييم أخرى يمكن استخدامها ولم يتم إدراجها. تتضمن مقاييس التقييم استخدام مجموعة من مقاييس التقييم الفردية لاختبار نموذج ما أو خوارزمية ما.
لماذا تعتبر مقاييس التقييم مفيدة؟
من المهم جدًا استخدام مقاييس تقييم متعددة لتقييم نموذجك. هذا لأن النموذج قد يؤدي أداءً جيدًا باستخدام مقياس معين ، ولكن قد يكون أداءه ضعيفًا باستخدام مقياس آخر من مقاييس التقييم الأخرى. يعد استخدام مقاييس التقييم أمرًا بالغ الأهمية لضمان أن نموذجك يعمل بشكل صحيح وعلى النحو الأمثل.
تطبيقات مقاييس التقييم
تحليل احصائي
التعلم الالي
يمكن مشاهدة الفيديو التالي لتوضح الفكرة أكثر يمكن تفعيل الترجمة العربية للفيديو – الترجمة تلقائية –
