أخطاء النوع 2
في التعلم الآلي، تحدث أخطاء النوع 2 (وتسمى أيضًا النتائج السلبية الخاطئة) عندما يتنبأ النموذج بشكل غير صحيح بأن حالة أو سمة معينة غير موجودة بينما توجد بالفعل. على سبيل المثال، قد لا يكون نموذج التشخيص الطبي قادرًا على اكتشاف وجود أو عدم وجود مرض لدى المريض.
يمكن أن تشكل الأخطاء من النوع 2 مشكلة خطيرة في تطبيقات التعلم الآلي، حيث يمكن أن تكون عواقب النتائج السلبية الخاطئة مكلفة أو ضارة. على سبيل المثال، فإن النموذج الذي يفشل في اكتشاف النشاط الاحتيالي في المعاملات المالية قد يؤدي إلى خسائر مالية كبيرة.
لتقليل مخاطر الأخطاء من النوع الثاني في التعلم الآلي، يمكن استخدام العديد من التقنيات، مثل:
- تحسين حساسية النموذج:ويتم ذلك عن طريق خفض عتبة القرار للتنبؤات الإيجابية. قد يؤدي هذا إلى ارتفاع معدل النتائج الإيجابية الحقيقية، ولكن قد يؤدي أيضًا إلى زيادة عدد النتائج الإيجابية الكاذبة.
- بيانات التدريب المعززة:تتم زيادة بيانات التدريب بإضافة المزيد من الأمثلة للفئات الأقل شعبية. يمكن أن يساعد هذا النموذج على تعلم ميزات الفئات الأقل شعبية بشكل أكثر فعالية، وبالتالي تقليل النتائج السلبية الخاطئة.