Precision وRecall: لماذا يختلف مقام الإحكام عن الاسترجاع؟
يقيس Precision حصة الصحيح بين ما سميناه إيجابيًا، بينما يقيس Recall ما اكتشفناه من الإيجابي الفعلي. المقامان مختلفان. [1]
تقنية (الصفحة 32)
أفكار وأدوات رقمية بلغة مفهومة.
1201 مقال
درجة F1: ما الذي يجمعه المتوسط التوافقي وما الذي يخفيه؟
درجة F1 تجمع الإحكام والاسترجاع بمتوسط توافقي، لا بمتوسط حسابي. يوضح المرجع أن مساهمتهما في الصيغة متساوية، وأن حسابها يمكن أن يعتمد على عد الإصابات والأخطاء. [1]
Macro وMicro وWeighted: أي متوسط تقرأ في تقرير التصنيف؟
Macro وMicro وWeighted أسماء لطرق مختلفة في تجميع مقاييس التصنيف. يميز المرجع المتوسط غير المرجح للفئات، والجمع قبل الحساب، والترجيح بعدد الحالات الفعلية لكل فئة. [1]
Specificity في التصنيف: كيف نحسب النجاح داخل الفئة السلبية؟
Specificity في التصنيف، أو النوعية، تقيس حصة السلبيات الفعلية التي صنفناها سلبية بصورة صحيحة. صيغتها TN ÷ (TN + FP)، وفق التوثيق. [1]
ROC-AUC: جودة ترتيب الدرجات لا تختار عتبة القرار
ROC-AUC يلخص أداء ترتيب درجات التصنيف عبر عتبات. يربط Google تفسيره بمقارنة درجة حالة إيجابية بدرجة حالة سلبية مختارتين عشوائيًا، مع فصل الترتيب عن القرار النهائي. [1]
Average Precision: لماذا لا نأخذ متوسط نقاط المنحنى ببساطة؟
Average Precision يلخص الإحكام عبر زيادات الاسترجاع. يعرّفه المرجع مجموعًا لدرجات الإحكام مرجحة بتغير الاسترجاع، دون الاستيفاء الخطي الذي يستخدمه حساب مساحة شبه المنحرف. [1]
اختيار عتبة التصنيف: حدد الهدف قبل مقارنة الحدود
اختيار عتبة التصنيف يحول درجات النموذج إلى أفعال أو ملصقات. يفرق التوثيق بين تقدير الدرجة الإحصائية واتخاذ القرار، ويعرض ضبط العتبة وفق مقياس محدد. [1]
تكلفة أخطاء التصنيف: لماذا قد يفوز القرار ذو الأخطاء الأكثر؟
تكلفة أخطاء التصنيف تحتاج إلى تعريف مقدار كل نوع خطأ ووحدته. يعرض المثال الرسمي ضرب أعداد مصفوفة الالتباس في تكاليف أو مكاسب معرفة، ثم جمع مساهماتها. [1]
Log loss: لماذا تختلف خسارة قرارين صحيحين بالملصقات نفسها؟
Log loss تقيم الاحتمال الذي يمنحه النموذج للحقيقة. يعرّف المرجع خسارتها الثنائية باستخدام اللوغاريتم الطبيعي لاحتمال الفئة الإيجابية ومتممه، لا بعد تحويل الاحتمال إلى ملصق فقط. [1]
درجة Brier: قياس الاحتمال قبل عد الملصقات الصحيحة
درجة Brier تحسب متوسط مربع الفرق بين الاحتمال والنتيجة. في الصيغة الثنائية المعتادة نستخدم احتمال الفئة الإيجابية وحقيقتها صفرًا أو واحدًا، ويكون المجال من صفر إلى واحد. [1]
معايرة الاحتمالات: ماذا تقارن داخل كل مجموعة درجات؟
معايرة الاحتمالات تفحص علاقة مقدار الاحتمال بالنتائج. يصف توثيق مخطط الموثوقية متوسط احتمال الإيجابي داخل كل مجموعة، مقابل نسبة الحالات الإيجابية الفعلية فيها. [1]
Platt وIsotonic: كيف تختلف خريطة معايرة درجات المصنف؟
Platt وIsotonic طريقتان لمعايرة درجات المصنف. يعرض التوثيق سيغمويد بمعاملين متعلمين، مقابل تحويل غير معلمي غير متناقص. [1] نفحص خرائط تعليمية دون ادعاء أننا لائمنا معايرًا.
MAE وRMSE: أيهما يفضل أخطاء قليلة كبيرة؟
MAE وRMSE يلخصان أخطاء تنبؤ القيم العددية. الأول متوسط مقادير الفروق، والثاني جذر متوسط مربعاتها، بوحدة الهدف نفسها. [1] لكنهما قد يرتبان التنبؤات بصورة مختلفة.
درجة R² السالبة: أي متوسط تقارن به التنبؤ؟
درجة R² السالبة ممكنة في تقييم الانحدار؛ يوضح المرجع أن التنبؤ الثابت بمتوسط الحقيقة يعطي صفرًا عند عدم ثباتها، وقد يكون نموذج آخر أسوأ منه. [1]
MAPE: لماذا تضخم قيمة فعلية صغيرة خطأً ثابت الحجم؟
MAPE يقيس خطأ التنبؤ بصورة نسبية. ينبه التوثيق إلى تضخم الدرجة قرب حقيقة صفرية، وإلى أن مخرجه نسبي: قيمة 2 تقابل 200% وليست 2%. [1]
وسيط الخطأ المطلق: كيف يظل ثابتًا رغم تضخم خطأ حالة؟
وسيط الخطأ المطلق مقياس لتقييم الانحدار يختلف عن متوسطه. توثق الواجهة حسابه من الحقيقة والتنبؤ. [1] نستخدم ست حالات تعليمية لنرى ما يحفظه الرقم الوسطي وما قد يخفيه.
Explained Variance: لماذا لا تعني درجة واحد تنبؤًا مطابقًا؟
Explained Variance في تقييم الانحدار لا يحاسب الإزاحة المنتظمة في التنبؤ كما تحاسبها R²، بحسب التوثيق. [1] لذلك نقرأ الدرجة مع فروق الحالات، لا بوصفها شهادة تطابق.
معامل Silhouette: هل أقرب نقطة تعني أقرب مجموعة؟
معامل Silhouette يقارن متوسط مسافة النقطة إلى مجموعتها بمتوسط مسافتها إلى أقرب مجموعة أخرى. صيغته هي الفرق بين المتوسط الخارجي والداخلي مقسومًا على الأكبر منهما. [1]