التقييم والمعايرة وقابلية التفسير

2 دقيقة

الهدف: تقييم النظام المُنتظَر، لا مجرّد درجة متوسّطة.

ثلاثة مستويات للتقييم

  1. الخسارة: الإشارة المُحسَّنة أثناء التعلّم.
  2. مقاييس تعلم الآلة (ML metrics): الدقة (Precision) والاستدعاء (Recall) وF1 وROC-AUC وMAE، إلخ.
  3. مقاييس النظام/الأعمال: كلفة الخطأ، وزمن الاستجابة، ونسبة الامتناع (Abstention)، والأثر.

يعتمد الاختيار على كلفة الإيجابيات الكاذبة والسلبيات الكاذبة. مع صنف نادر، قد تكون الدقة (Accuracy) شبه مثالية لنموذج بلا فائدة.

المعايرة (Calibration)

يكون النموذج معايَراً إذا كانت 80 % تقريباً من التنبؤات المُعلَنة بثقة 80 % صحيحة. الثقة الناتجة عن softmax ليست بالضرورة احتمالاً موثوقاً. مخطط الموثوقية (Reliability diagram)، ودرجة Brier (Brier score)، ومعايرة الحرارة (Temperature scaling) قد تُفيد.

معاينة — بقية الدرس متاحة للمسجّلين فقط.

هل سجّلت من قبل برمز؟

وصولك مرتبط بحسابك وليس بهذا الرابط. سجّل الدخول بنفس البريد الذي استخدمته في الصف: دورتك بانتظارك، ولا حاجة لإدخال الرمز مجددًا.

تسجيل الدخولليس لديك حساب بعد؟ أنشئ حسابًا
هذا الدرس جزء من وحدة «من النموذج إلى النظام»

الوحدات الأولى من الدورة مفتوحة للجميع. أما البقية فأمامك ثلاثة خيارات: شراء هذه الدورة مرة واحدة، أو الاشتراك، أو إدخال الرمز الموزّع في القاعة.

هل أنت طالب في هذه الدورة؟

يرتبط الرمز بحسابك: سجّل الدخول أو أنشئ حسابًا وسيُطبَّق تلقائيًا عند عودتك.

ليس لديك حساب بعد؟ أنشئ حسابًا