قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
الدقة (Precision)
مقياس يقيس نسبة الإيجابيات الحقيقية إلى جميع التنبؤات الإيجابية، مما يشير إلى موثوقية التنبؤات الإيجابية للنموذج.
الدقة (Accuracy)
نسبة التنبؤات الصحيحة من إجمالي التنبؤات، تقيس الأداء العام ولكنها قد تكون مضللة مع الفئات غير المتوازنة.
النوعية (Specificity)
معدل السلبيات الحقيقية، يقيس قدرة النموذج على تحديد الحالات السلبية بشكل صحيح، وهو مكمل للاستدعاء (Recall).
AUC-ROC
المساحة تحت منحنى ROC، تقيّم القدرة التمييزية للنموذج بشكل مستقل عن عتبة التصنيف، حيث يمثل 1 أداءً مثالياً.
معامل ارتباط ماثيوز (MCC)
معامل الارتباط بين الملاحظات والتنبؤات الثنائية، يوفر مقياساً متوازناً حتى مع الفئات غير المتوازنة بشدة.
خسارة السجل (Log Loss)
دالة خسارة تقيس التباعد بين الاحتمالات المتوقعة والتصنيفات الحقيقية، وتعاقب التنبؤات الواثقة ولكن غير الصحيحة.
متوسط الخطأ المطلق النسبي (MAPE)
متوسط الأخطاء المطلقة المعبر عنها كنسبة مئوية من القيم الحقيقية، مما يسهل التفسير النسبي لخطأ التنبؤ.
معامل كوهين كابا (Cohen's Kappa)
مقياس اتفاق بين التنبؤات والملاحظات الحقيقية، يصحح للتوافق الناتج عن الصدفة، وهو مفيد بشكل خاص في التصنيف متعدد الفئات.
مساحة تحت منحنى الدقة-الاستدعاء (AUC-PR)
المساحة تحت منحنى الدقة-الاستدعاء، توفر مقياسًا تركيبيًا للأداء مناسبًا بشكل خاص للمشكلات ذات الفئات غير المتوازنة.