مصفوفة الدقة - كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 - المملكة العربية السعودية

--- SECTION: شكل 2.14: مصفوفة الدقة للحالات المتوقعة والحالات الفعلية --- شكل 2.14: مصفوفة الدقة للحالات المتوقعة والحالات الفعلية الأرقام الواقعة في الخط القطري (المظللة باللون الوردي) تمثل الحالات المتوقعة بشكل صحيح. أما الأرقام التي تقع خارج الخط القطري فتمثل أخطاء النموذج. على سبيل المثال، بالنظر إلى ترتيب التشخيصات الأربعة المحتملة [Allergies (الحساسية)، Common cold (نزلات البرد)، Covid-19 (كوفيد-19)، Flu (الإنفلونزا)]، توضح المصفوفة أن النموذج أخطأ في تصنيف 48 حالة من المصابين بنزلات البرد بأنهم مصابون بالحساسية، كما أخطأ في تصنيف 31 حالة من المصابين بالإنفلونزا بأنهم مصابون بكوفيد-19.وعلى الرغم من أن هذا النموذج ليس مثاليًا، فمن المثير للدهشة أنه قادر على تحقيق مثل هذه الدرجة العالية من الدقة بتعلم مجموعة القواعد الخاصة به، دون الحاجة إلى قاعدة معرفة أنشئت يدويًا. بالإضافة إلى تحقيق مثل هذه الدقة دون محاولة ضبط متغيرات الأداء المتنوعة لـ Decision Tree Classifier (مصنف شجرة القرار). وبالتالي، يمكن تحسين دقة النموذج لأفضل من ذلك. كما يمكن تحسين النموذج بتجاوز قيود النموذج القائم على القواعد وتجربة أنواع مختلفة من خوارزميات تعلم الآلة. وستتعلم بعض هذه الطرائق في الوحدة التالية.--- VISUAL CONTEXT --- **TABLE**: مصفوفة الدقة للحالات المتوقعة والحالات الفعلية Description: A 4x4 confusion matrix displaying the performance of a classification model. It compares predicted diagnoses (Allergies, Common Cold, Covid-19, Flu) against actual diagnoses. The diagonal cells, highlighted in pink, represent correctly classified instances, while off-diagonal cells represent misclassifications. Table Structure: Headers: الحساسية المتوقعة | نزلات البرد المتوقعة | كوفيد-19 المتوقع | الإنفلونزا المتوقعة | الحساسية الفعلية | نزلات البرد الفعلية | كوفيد-19 الفعلي | الإنفلونزا الفعلية Rows: Row 1: 143 | 3 | 0 | 0 | الحساسية الفعلية Row 2: 48 | 98 | 5 | 4 | نزلات البرد الفعلية Row 3: 2 | 1 | 127 | 12 | كوفيد-19 الفعلي Row 4: 1 | 3 | 31 | 122 | الإنفلونزا الفعلية Calculation needed: This is a confusion matrix used to evaluate the accuracy of a classification model. Diagonal values represent correct predictions (True Positives/True Negatives), while off-diagonal values represent misclassifications (False Positives/False Negatives). X-axis: التشخيص المتوقع Y-axis: التشخيص الفعلي Context: This table demonstrates how a Decision Tree Classifier performs in distinguishing between four different medical conditions (Allergies, Common Cold, Covid-19, Flu) by showing the number of correctly and incorrectly classified cases. It highlights the model's strengths and weaknesses in specific diagnostic categories.