Precision وRecall وF1
الموازنة بين أنواع الأخطاء
Precision وRecall وF1 درس مجاني في Data Science Academy على CoddyKit. هذا هو الدرس 3 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في Data Science Academy، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة Data Science Academy 4 دروس في المجموع.
لماذا لا تكفي الدقة
عندما تكون إحدى الفئات نادرة، قد تبدو الدقة ممتازة بينما يفوّت النموذج كل ما يهم. لذلك تحتاج إلى مقاييس أدق مثل precision والاستدعاء. 🎯
تعريف Precision
يسأل Precision: من بين جميع الحالات التي صنفتها على أنها إيجابية، كم حالة كانت إيجابية فعلًا؟ وهو يقيس مدى موثوقية الإجابة بنعم.
precision = TP / (TP + FP)متى تكون Precision مهمة
تكون قيمة precision المرتفعة مهمة عندما تكون الإنذارات الكاذبة مكلفة، مثل تصنيف رسالة إلكترونية حقيقية على أنها رسالة مزعجة. فأنت تريد أن يكون كل إنذار صحيحًا.
تعريف الاستدعاء
يسأل الاستدعاء: من بين جميع الحالات الإيجابية فعلًا، كم حالة اكتشفت؟ وهو يقيس مدى قدرة النموذج على عدم تفويت الحالات.
recall = TP / (TP + FN)متى يكون الاستدعاء مهمًا
تكون قيمة الاستدعاء المرتفعة مهمة عندما يكون تفويت الحالات خطيرًا، مثل فحص الإصابة بمرض. فاكتشاف كل حالة حقيقية أهم من بعض الإنذارات الكاذبة.
شدّ الحبل
عادةً ما يتعارض Precision والاستدعاء. فعندما تضع علامة على حالات أكثر، تكتشف عددًا أكبر منها، لكنك ترفع عدد الإنذارات الكاذبة. إنها مفاضلة.
ظهور مقياس F1
يجمع مقياس F1 بين Precision والاستدعاء في رقم واحد باستخدام المتوسط التوافقي، ويكافئ النماذج التي توازن بينهما جيدًا.
f1 = 2 * (precision * recall) / (precision + recall)لماذا المتوسط التوافقي
يستخدم F1 متوسطًا توافقيًا، لذلك تخفض القيمة المنخفضة في أي من الجانبين النتيجة. ولا يمكنك التحايل بإتقان مقياس واحد فقط.
احصل عليها باستدعاء واحد
لا تحتاج إلى حساب هذه المقاييس يدويًا. يطبع تقرير التصنيف قيم Precision والاستدعاء وF1 لكل فئة دفعة واحدة.
from sklearn.metrics import classification_report
print(classification_report(y_true, y_pred))اختر المقياس الذي ستُحسّنه
دع المشكلة تحدد اختيارك. حسّن الاستدعاء عندما تكون الحالات الفائتة مؤذية، وPrecision عندما تكون الإنذارات الكاذبة مؤذية، وF1 عندما تحتاج إلى توازن.
انتبه إلى حساب المتوسط
عند وجود فئات كثيرة، اختر طريقة حساب المتوسط. يعامل Macro الفئات بالتساوي، بينما يراعي weighted حجم الفئة. ويغيّر هذا الاختيار النتيجة التي تراها.
f1_score(y_true, y_pred, average='macro')تحقق سريع
لنتأكد من أن الفرق بين Precision والاستدعاء لا يزال واضحًا في ذهنك.
مراجعة
تثق Precision بإجابتك بنعم، ويكتشف الاستدعاء الحالات الإيجابية، بينما يوازن F1 بينهما. دع تكلفة كل خطأ ترشد اختيارك. 🎯
تعلم Python مع معلم ذكاء اصطناعي — مجانًا
اكتب وقم بتشغيل أكوادك الفعلية في المتصفح، واحصل على مساعدة فورية من معلم ذكاء اصطناعي متاح 24/7، واستمر من حيث توقفت على الويب أو في التطبيق.
- الدورات
- 30
- الدروس
- 120
الأسئلة الشائعة
هل درس «Precision وRecall وF1» مجاني؟
نعم — نص درس «Precision وRecall وF1» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة Data Science Academy، انتقل إلى CoddyKit PRO. تتضمن دورة Data Science Academy 4 دروس في المجموع.
ماذا ستتعلم في «Precision وRecall وF1»؟
الموازنة بين أنواع الأخطاء تتمرن على Data Science Academy مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.
هل أحتاج إلى خبرة سابقة لأبدأ Data Science Academy؟
لا تُشترط خبرة سابقة. Data Science Academy على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 3 من أصل 4.
كم من الوقت يستغرق درس «Precision وRecall وF1»؟
معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.
هل يمكنني كتابة وتشغيل أكواد في درس Data Science Academy هذا؟
نعم. كل درس في Data Science Academy يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.
جميع الدروس في هذه الدورة
- مقاييس الانحدار: MAE وMSE وR2
- فك رموز مصفوفة الالتباس
- Precision وRecall وF1
- ROC وAUC والعتبات