التعلم العميق بالعربي الدكتور علاء طعيمة
تعلم الآلة علم البيانات مبتدئ محتوى تجريبي

Classification

التصنيف

التعريف

مهمة تعلم موجّه يتنبأ فيها النموذج بفئة منفصلة (تسمية) لكل مدخل، مثل «بريد مزعج» أو «سليم».

في التصنيف يتعلم النموذج من أمثلة موسومة دالة تربط الخصائص بفئة من مجموعة محددة. قد يكون ثنائياً (فئتان)، أو متعدد الفئات، أو متعدد التسميات (أكثر من تسمية للمثال الواحد).
من خوارزمياته: الانحدار اللوجستي، وأشجار القرار، والغابة العشوائية، وSVM، والشبكات العصبية. ويُقيَّم بمقاييس مثل الدقة (Accuracy)، والدقة الإيجابية (Precision)، والاستدعاء (Recall)، وF1، ومصفوفة الالتباس. عند عدم توازن الفئات قد تكون الدقة وحدها مضللة.

Definition

Classification is a supervised learning task in which a model learns to assign each input to one of a set of discrete categories, based on labelled training examples.

شرح مبسّط للمبتدئين

فرز البريد إلى «مهم» و«مزعج»، أو فرز صور الفواكه إلى تفاح وبرتقال وموز.

شرح أكاديمي متخصص

يقدّر المصنف الاحتمالي \(P(y\mid x)\) ثم يختار الفئة الأعلى احتمالاً، وهذا يقلل خطأ التصنيف المتوقع وفق قاعدة بايز. أما الطرائق التمييزية مثل SVM فتتعلم حدود القرار مباشرة.

أمثلة عملية

  • اكتشاف الرسائل المزعجة.
  • تشخيص ورم حميد أو خبيث.
  • التعرف على الأرقام المكتوبة بخط اليد.
حساب Precision وRecall وF1 Python 
from sklearn.metrics import precision_score, recall_score, f1_score

y_true = [1, 1, 1, 0, 0, 1, 0, 1]
y_pred = [1, 0, 1, 0, 1, 1, 0, 0]
print(precision_score(y_true, y_pred), recall_score(y_true, y_pred), round(f1_score(y_true, y_pred), 3))

شرح الكود

ثلاثة إيجابيات صحيحة، وإيجابي خاطئ واحد، وسلبيان خاطئان.

النتيجة المتوقعة

0.75 0.6 0.667

التطبيقات والاستخدامات

  • الطب والتمويل (كشف الاحتيال) والأمن (كشف التسلل).
  • تصنيف النصوص والصور.

المزايا

  • مهمة واضحة سهلة التقييم ولها خوارزميات ناضجة.

القيود والعيوب

  • يحتاج بيانات موسومة.
  • عدم توازن الفئات يتطلب مقاييس وأساليب خاصة.

المعادلات الرياضية

مقياس F1

F_1 = 2\cdot\frac{\text{Precision}\cdot\text{Recall}}{\text{Precision}+\text{Recall}}, \quad \text{Precision}=\frac{TP}{TP+FP}, \quad \text{Recall}=\frac{TP}{TP+FN}

المتوسط التوافقي بين الدقة الإيجابية والاستدعاء، مفيد عند عدم توازن الفئات.

شرح الرموز
الرمزالمعنى
\(TP\)إيجابيات صحيحة
\(FP\)إيجابيات خاطئة
\(FN\)سلبيات خاطئة

مثال تطبيقي

إذا كان TP=8 وFP=2 وFN=4: الدقة الإيجابية 0.8، والاستدعاء 0.667، وF1 ≈ 0.727.

المصادر العلمية

مراجع ومصادر علمية

  • كتاب
    The Elements of Statistical Learning (2nd ed.) Trevor Hastie, Robert Tibshirani, Jerome Friedman · 2009 · Springer مرجع إحصائي في التعلم الآلي، متاح مجاناً من موقع المؤلفين.
  • كتاب
    Pattern Recognition and Machine Learning Christopher M. Bishop · 2006 · Springer مرجع كلاسيكي في تعلم الآلة الاحتمالي.

تعلّم وراجع

بطاقة مراجعة المصطلحراجعه مع المصطلحات المرتبطة به اختبار قصيرأسئلة عن هذا المصطلح وما يرتبط به

مصطلحات مقترحة للتعلّم بعده