دليل شامل للحاسبة
حاسبة مصفوفة الالتباس تقيّم نموذج تصنيف، كفلتر رسائل أو نموذج تعلّم آلة، من خاناتها الأربع، فتحسب F1 والدقة الكلية والضبط والاستدعاء والنوعية ومعامل ماثيوز MCC. فلفلتر صنّف 1,000 رسالة، أصاب 80 مزعجة وأخطأ في 20 سليمة وفاتته 10، يكون F1 = 0.842 والدقة 97%. وتبين الحاسبة أي الخطأين أكثر وكيف تخدع الدقة في البيانات غير المتوازنة.
المقاييس
الضبط (Precision) = TP ÷ (TP + FP): من كل ما صنفه النموذج إيجابيًا، كم كان صحيحًا؟ 80 ÷ 100 = 80%. والاستدعاء (Recall) = TP ÷ (TP + FN): من كل الإيجابيات الحقيقية، كم اكتشف؟ 80 ÷ 90 = 88.9%.
وF1 الوسط التوافقي للضبط والاستدعاء: 2 × TP ÷ (2 × TP + FP + FN) = 160 ÷ 190 = 0.842، ولا يرتفع إلا إذا ارتفع الاثنان معًا. ومعامل ماثيوز يستعمل الخانات الأربع كلها، ويتراوح من سالب 1 إلى 1، و0 يعني أداءً لا يفضل التخمين.
فخ الدقة الكلية
الدقة الكلية (Accuracy) نسبة كل التصنيفات الصحيحة، وتبدو مرتفعة حين تكون إحدى الفئتين نادرة. فنموذج يقول «سليم» لكل رسالة من 1,000 فيها 50 مزعجة يحقق دقة 95% دون أن يكتشف رسالة مزعجة واحدة، وF1 وMCC عنده صفر.
ولهذا يُعتمد F1 وMCC في البيانات غير المتوازنة، ويُختار بين الضبط والاستدعاء حسب كلفة الخطأ: في كشف الأمراض الحالة الفائتة أخطر فنرفع الاستدعاء، وفي فلتر الرسائل حجب رسالة مهمة أسوأ فنرفع الضبط.
طريقة الاستخدام
- أدخل الإيجابيات الصحيحة TP والإيجابيات الكاذبة FP.
- أدخل السلبيات الكاذبة FN والسلبيات الصحيحة TN.
- اضغط «احسب المقاييس» لترى F1 والدقة والضبط والاستدعاء والنوعية وMCC.
المعادلة المستخدمة
F1 = 2TP ÷ (2TP + FP + FN) | Precision = TP ÷ (TP + FP) | Recall = TP ÷ (TP + FN) | MCC = (TP×TN − FP×FN) ÷ √((TP+FP)(TP+FN)(TN+FP)(TN+FN))
أمثلة عملية
- مثال 1: فلتر رسائل مزعجة
- TP = 80 وFP = 20 وFN = 10 وTN = 890: F1 = 0.842، والدقة 97%، والضبط 80%، والاستدعاء 88.89%، وMCC = 0.827.
- مثال 2: نموذج يقول «سلبي» دائمًا
- TP = 0 وFP = 0 وFN = 50 وTN = 950: الدقة 95%، لكن F1 = 0 وMCC = 0.
نصائح مهمة
- ابدأ دائمًا بمعرفة نسبة كل فئة في بياناتك قبل الحكم على الدقة.
- غيّر عتبة التصنيف لتوازن بين الضبط والاستدعاء حسب كلفة كل خطأ.
- قارن النماذج بـMCC حين تكون الفئات غير متوازنة.
أخطاء شائعة يجب تجنّبها
- الحكم على النموذج بالدقة الكلية وحدها.
- الخلط بين الضبط والاستدعاء.
- تقييم النموذج على البيانات نفسها التي دُرّب عليها.
الأسئلة الشائعة
- ما الفرق بين الضبط والاستدعاء؟
- الضبط: كم من الإيجابيات المتوقعة صحيح، والاستدعاء: كم من الإيجابيات الحقيقية اكتُشف.
- متى أستعمل F1؟
- حين تهمك الفئة الإيجابية وتكون نادرة، ويهمك الضبط والاستدعاء معًا.
- لماذا MCC أفضل أحيانًا من F1؟
- لأنه يستعمل الخانات الأربع كلها، فلا يتأثر بأي الفئتين سميت إيجابية.