دقة النموذج

دقة النموذج، والتي تسمى أيضًا دقة النموذج، هي مقياس لقدرة نموذج التعلم الآلي (ML) على تقديم تنبؤات أو اتخاذ قرارات بناءً على البيانات. إنه مقياس شائع لتقييم أداء نماذج التعلم الآلي ويمكن استخدامه لمقارنة أداء نماذج مختلفة أو لتقييم فعالية نموذج معين لمهمة معينة.

كيفية قياس دقة نموذج الرؤية الحاسوبية؟

هناك عدد من الطرق المختلفة لقياس دقة النموذج، اعتمادًا على نوع نموذج التعلم الآلي وطبيعة المشكلة التي يتم حلها. تتضمن بعض الطرق الشائعة دقة التصنيف، ومتوسط الخطأ التربيعي، ومتوسط الخطأ المطلق.

دقة التصنيف هي مقياس شائع لدقة النموذج لمهام التصنيف ويتم تعريفها على أنها نسبة التوقعات الصحيحة التي قام بها النموذج. يتم حسابه عادة عن طريق قسمة عدد التوقعات الصحيحة على العدد الإجمالي للتوقعات التي قام بها النموذج.

يتم استخدام متوسط الخطأ التربيعي (MSE) ومتوسط الخطأ المطلق (MAE) بشكل شائع لقياس دقة نماذج الانحدار، والتي تستخدم للتنبؤ بالقيم المستمرة. يتم تعريف MSE على أنه متوسط الاختلافات التربيعية بين القيم المتوقعة والقيم الحقيقية، في حين يتم تعريف MAE على أنه متوسط الاختلافات المطلقة بين القيم المتوقعة والقيم الحقيقية.

بالإضافة إلى هذه المقاييس، من الشائع استخدام مقاييس دقة النموذج الأخرى مثل الدقة، والتذكير، ونتيجة F1، والتي تكون مفيدة بشكل خاص لمهام التصنيف غير المتوازنة.

بشكل عام، تعد دقة النموذج مقياسًا مهمًا لتقييم أداء نماذج التعلم الآلي، ويتم استخدامها لتقييم فعالية النماذج المختلفة ومقارنة أدائها.

مراجع

【1】https://encord.com/glossary/model-accuracy-definition/