اختيار العتبة والمقياس
حسّن الأداء للفئة التي تهمك
اختيار العتبة والمقياس درس مجاني في NLP 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 NLP Academy، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة NLP Academy 4 دروس في المجموع.
العتبة الخفية
تُخرج المصنفات احتمالًا، ثم تحوّل العتبة هذا الاحتمال إلى تسمية. ونادرًا ما تكون القيمة الافتراضية 0.5 هي الأفضل للفئات النادرة.
حرّك الخط
يؤدي خفض العتبة إلى تصنيف عناصر أكثر على أنها من الفئة النادرة، فيكتشف حالات صحيحة أكثر، لكن على حساب زيادة الإنذارات الكاذبة.
احصل على الاحتمالات أولًا
لضبط حدّ القطع، تحتاج إلى الدرجات لا إلى التسميات فقط. اطلب من النموذج احتمال التنبؤ للفئة الإيجابية.
proba = clf.predict_proba(X_test)[:, 1]الدقة أم الاستدعاء؟
حدّد ما يسبب ضررًا أكبر. إذا كان فقدان الحالات النادرة هو المشكلة، فحسّن الاستدعاء؛ وإذا كانت الإنذارات الكاذبة كثيرة، ففضّل الدقة.
يوازن F1 بين الاثنين
عندما لا تستطيع تفضيل أحد الجانبين، يجمع مقياس F1 بين الدقة والاستدعاء في رقم واحد يستحق التعظيم.
منحنى PR
يحكي منحنى الدقة والاستدعاء القصة الحقيقية للبيانات المنحازة أفضل بكثير من منحنى ROC.
استكشف حدود القطع
جرّب حدود قطع متعددة ولاحظ كيف تتغير المفاضلة. يعرض منحنى PR كل زوج من الدقة والاستدعاء في وقت واحد.
from sklearn.metrics import precision_recall_curve
p, r, t = precision_recall_curve(y, proba)طبّق حد القطع الذي اخترته
بعد اختيار قيمة، قارن كل احتمال بها. تصبح القيم الأعلى من الخط فئة إيجابية، وتصبح القيم الأدنى فئة سلبية.
preds = (proba >= 0.3).astype(int)احذر ROC AUC
قد يبدو ROC AUC ممتازًا مع عدم التوازن الشديد حتى عندما تكون الدقة ضعيفة، لذلك لا تعتمد عليه وحده هنا.
اضبط العتبة باستخدام بيانات التحقق
اختر العتبة باستخدام مجموعة تحقق منفصلة، وليس مجموعة الاختبار مطلقًا، وإلا فستكون الأرقام التي تعرضها مضللة.
المقياس يعكس الهدف
يعكس المقياس المناسب التكلفة في العالم الحقيقي. دع هدف العمل يحدد اختيار الدقة أو الاستدعاء أو F1، ثم اضبط النموذج وفقًا له. 🎯
تحقق سريع
اختبر مدى فهمك للعتبات.
مراجعة
اضبط العتبة باستخدام بيانات التحقق، وفضّل الدقة أو الاستدعاء أو F1 على الدقة العامة، واعتمد على منحنى PR مع البيانات المنحازة. ✅
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 «اختيار العتبة والمقياس» مجاني؟
نعم — نص درس «اختيار العتبة والمقياس» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة NLP Academy، انتقل إلى CoddyKit PRO. تتضمن دورة NLP Academy 4 دروس في المجموع.
ماذا ستتعلم في «اختيار العتبة والمقياس»؟
حسّن الأداء للفئة التي تهمك تتمرن على NLP 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 NLP Academy؟
لا تُشترط خبرة سابقة. NLP 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 «اختيار العتبة والمقياس»؟
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 NLP Academy هذا؟
نعم. كل درس في NLP 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
- لماذا تُهمَل الفئات النادرة
- إعادة أخذ العينات وأوزان الفئات
- اختيار العتبة والمقياس
- مسار متكامل للفئات غير المتوازنة