في وحدة الانحدار اللوجستي،
تعلمت كيفية استخدام الدالة السينية
لتحويل ناتج النموذج الأولي إلى قيمة بين 0 و1
التنبؤات - على سبيل المثال، التنبؤ بأن رسالة بريد إلكتروني معينة لديها فرصة 75٪
رسائل غير مرغوب فيها. ولكن ماذا لو لم يكن هدفك هو عرض الاحتمالية بل
الفئة، على سبيل المثال، توقّع ما إذا كانت رسالة إلكترونية معيّنة "غير مرغوب فيها" أو "مرغوب فيها"؟
التصنيف هو
مهمة التنبؤ بالفئة التي ينتمي إليها مثال من مجموعة من الفئات
(الفئات). في هذه الوحدة، ستتعرّف على كيفية تحويل
نموذج الانحدار اللوجستي الذي يتنبّأ بالاحتمالية إلى نموذج تصنيف ثنائي
يتنبّأ بواحدة من الفئتَين. ستتعلم أيضًا كيفية
اختيار وحساب المقاييس المناسبة لتقييم جودة
لتنبؤات نموذج التصنيف. أخيرًا، ستحصل على مقدمة موجزة
التصنيف متعدد الفئات
المشكلات، والتي تتم مناقشتها بمزيد من التفصيل لاحقًا في الدورة.
تاريخ التعديل الأخير: 2024-10-22 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2024-10-22 (حسب التوقيت العالمي المتفَّق عليه)"],[[["This module focuses on converting logistic regression models into binary classification models for predicting categories instead of probabilities."],["You'll learn how to determine the optimal threshold for classification, calculate and select appropriate evaluation metrics, and interpret ROC and AUC."],["The module covers binary and provides an introduction to multi-class classification, building upon prior knowledge of machine learning, linear regression, and logistic regression."],["The content explores methods for evaluating the quality of classification model predictions and applying them to real-world scenarios."]]],[]]
