تُخصّص جميع مشاريع هندسة البرامج الجيدة قدرًا كبيرًا من الجهد لمحاولة
اختبار تطبيقاتها. وبالمثل، ننصحك بشدة باختبار
نموذج الذكاء الاصطناعي لتحديد صحة توقّعاته.
مجموعات التدريب والتحقّق والاختبار
يجب اختبار النموذج على مجموعة مختلفة من الأمثلة عن تلك التي
تم استخدامها لتدريب النموذج. كما ستتعرّف عليه
لاحقًا، يشكّل الاختبار
على أمثلة مختلفة دليلاً أقوى على ملاءمة نموذجك مقارنةً بالاختبار
على المجموعة نفسها من الأمثلة.
من أين تحصل على هذه الأمثلة المختلفة؟ في العادة، في تعلُّم الآلة،
يمكنك الحصول على هذه الأمثلة المختلفة من خلال تقسيم مجموعة البيانات الأصلية. يمكنك بالتالي
افتراض أنّه عليك تقسيم مجموعة البيانات الأصلية إلى مجموعتَين فرعيتَين:
لنفترض أنّك تدرّبت على مجموعة التدريب واختبرت على مجموعة الاختبار
على مدار جولات متعددة. في كل جولة، تستخدِم نتائج مجموعة الاختبار
للتوجيه بشأن كيفية تعديل مَعلمات الخوارزميات الفائقة ومجموعة الميزات. هل يمكنك
رؤية أي خطأ في هذا النهج؟ اختَر إجابة واحدة فقط.
قد يؤدي إجراء العديد من الجولات من هذا الإجراء إلى ملاءمة النموذج
بشكل ضمني لخصائص مجموعة الاختبار.
نعم. كلما زاد عدد المرات التي تستخدم فيها مجموعة الاختبار نفسها،
زادت احتمالية توافق النموذج بشكل وثيق مع مجموعة الاختبار.
مثل المعلّم الذي يُعلّم الطلاب من أجل اجتياز الاختبار، يلائم النموذج بدون قصد
مجموعة الاختبار، ما قد يجعل من الصعب عليه
أن يلائم البيانات الواقعية.
هذا النهج مناسب. بعد كل شيء، يتم التدريب على
مجموعة التدريب ويتم التقييم على مجموعة اختبار منفصلة.
في الواقع، هناك مشكلة بسيطة هنا. فكِّر في ما قد يؤدي إلى
حدوث مشاكل تدريجية.
هذه الطريقة غير فعّالة من الناحية الحسابية. لا تغيِّر
مَعلمات الخوارزميات الفائقة أو مجموعات الميزات بعد كل جولة من الاختبارات.
إنّ إجراء الاختبارات بشكل متكرر يكلّف الكثير من المال، ولكنه أمر مهم. ومع ذلك، فإنّ الاختبار المتكرّر
أقل تكلفة بكثير من التدريب الإضافي. يمكن أن يؤدي تحسين المَعلمات الفائقة
ومجموعة الميزات إلى تحسين جودة النموذج بشكلٍ كبير، لذا عليك دائمًا تخصيص الوقت والموارد الحسابية
للعمل على هذه المَعلمات.
إنّ تقسيم مجموعة البيانات إلى مجموعتَين فكرة جيدة، ولكن
النهج الأفضل هو تقسيم مجموعة البيانات إلى ثلاث مجموعات فرعية.
بالإضافة إلى مجموعة التدريب ومجموعة الاختبار، تكون المجموعة الفرعية الثالثة هي:
استخدِم مجموعة التحقّق لتقييم النتائج من مجموعة التدريب.
بعد أن يشير الاستخدام المتكرّر لمجموعة التحقّق إلى أنّ نموذجك يقدّم تنبؤات جيدة، استخدِم مجموعة الاختبار للتحقّق من صحة نموذجك.
يقترح الشكل التالي سير العمل هذا.
في الشكل، تعني "تعديل النموذج" تعديل أيّ شيء في النموذج،
بدءًا من تغيير معدّل التعلّم وإضافة ميزات أو إزالتها، وصولاً إلى تصميم نموذج جديد تمامًا من الصفر.
في نهاية سير العمل هذا، يمكنك اختيار النموذج الذي يحقّق أفضل أداء في مجموعة الاختبار.
الشكل 10. سير عمل جيد للتطوير والاختبار
سير العمل المعروض في الشكل 10 هو الأمثل، ولكن حتى مع سير العمل هذا،
لا تزال مجموعات الاختبار ومجموعات التحقّق "تتلاشى" مع الاستخدام المتكرّر.
وهذا يعني أنّه كلما زاد استخدامك للبيانات نفسها لاتّخاذ قرارات بشأن
إعدادات مُدخلات الضبط أو تحسينات أخرى على النموذج، انخفضت ثقتك
في أنّ النموذج سيقدّم توقّعات جيدة استنادًا إلى البيانات الجديدة.
لهذا السبب، من المستحسن جمع المزيد من البيانات "لإعادة تحميل" مجموعة الاختبار
ومجموعة التحقّق. إنّ بدء صفحة جديدة هو طريقة رائعة لإعادة الضبط.
التمرين: التحقّق من حدسك
لقد خلطت جميع الأمثلة في مجموعة البيانات وقسمت
الأمثلة المُخلطة إلى مجموعات تدريب ومجموعة التحقّق ومجموعة اختبار. ومع ذلك، فإنّ قيمة الخسارة في مجموعة الاختبار منخفضة بشكلٍ مذهل
ما يثير شكوكك في حدوث خطأ. ما الذي قد يكون حدث؟
إنّ العديد من الأمثلة في مجموعة الاختبار هي نُسخ طبق الأصل من الأمثلة
في مجموعة التدريب.
نعم. وقد يشكّل ذلك مشكلة في مجموعة بيانات تحتوي على الكثير من الأمثلة المكرّرة. ننصحك بشدة بحذف الأمثلة المكرّرة من
مجموعة الاختبار قبل الاختبار.
التدريب والاختبار غير محدّدَين. في بعض الأحيان، قد يكون خسائر الاختبار منخفضة جدًا بغير قصد. يُرجى إعادة إجراء الاختبار لتأكيد
النتيجة.
على الرغم من أنّ الخسارة تختلف قليلاً في كلّ مرة، يجب ألّا تختلف كثيرًا
إلى درجة أن تعتقد أنّك ربحت جائزة اليانصيب في التعلم الآلي.
من قبيل الصدفة، احتوت مجموعة الاختبار على أمثلة حقق فيها النموذج
أداءً جيدًا.
تم ترتيب الأمثلة بشكل عشوائي، لذا من غير المرجّح حدوث ذلك.
مشاكل إضافية في مجموعات الاختبار
كما يوضّح السؤال السابق، يمكن أن تؤثّر الأمثلة المكرّرة في تقييم النموذج.
بعد تقسيم مجموعة بيانات إلى مجموعات تدريب ومجموعة التحقّق ومجموعة اختبار،
احذِف أي أمثلة في مجموعة التحقّق أو مجموعة الاختبار تكون نُسخًا مكرّرة من
الأمثلة في مجموعة التدريب. الاختبار العادل الوحيد للنموذج هو اختباره على
أمثلة جديدة، وليس النُسخ المكرّرة.
على سبيل المثال، نأخذ نموذجًا يتنبّأ بما إذا كانت الرسالة الإلكترونية غير مرغوب فيها، وذلك باستخدام
سطر الموضوع ونص الرسالة الإلكترونية وعنوان البريد الإلكتروني للمُرسِل كميزات.
لنفترض أنّك قسمت البيانات إلى مجموعتَي تدريب واختبار بنسبة 80-20.
بعد التدريب، يحقّق النموذج دقة بنسبة% 99 في كلّ من مجموعة التدريب و
مجموعة الاختبار. من المرجّح أن تتوقّع دقة أقل في مجموعة الاختبار، لذا
ألقِ نظرة أخرى على البيانات وتبيّن لك أنّ العديد من الأمثلة في مجموعة الاختبار
هي نُسخ طبق الأصل من الأمثلة في مجموعة التدريب. المشكلة هي أنّك
تجاهلت إزالة الإدخالات المكرّرة للرسالة الإلكترونية غير المرغوب فيها نفسها من قاعدة بيانات الإدخال
قبل تقسيم البيانات. إذا تم تدريب النموذج عن غير قصد على بعض
بيانات الاختبار
باختصار، تستوفي مجموعة الاختبار أو مجموعة التحقّق الجيدة جميع المعايير التالية:
أن تكون كبيرة بما يكفي لتحقيق نتائج اختبار ذات دلالة إحصائية
تمثيل مجموعة البيانات ككل بعبارة أخرى، لا تختَر
مجموعة اختبار لها خصائص مختلفة عن مجموعة التدريب.
تمثيل البيانات الواقعية التي سيصادفها النموذج
كجزء من الغرض التجاري
لا تتوفّر أمثلة مكرّرة في مجموعة التدريب.
تمارين: التحقّق من فهمك
في ما يتعلّق بمجموعة بيانات واحدة تتضمّن عددًا ثابتًا من الأمثلة،
أيّ من العبارات التالية صحيحة؟
كل مثال مستخدَم في اختبار النموذج هو مثال واحد أقل مستخدَم
في تدريب النموذج.
إنّ تقسيم الأمثلة إلى مجموعات تدريب/اختبار/تحقّق هو لعبة صفرية.
وهذا هو الخيار المركزي.
يجب أن يكون عدد الأمثلة في مجموعة الاختبار أكبر من
عدد الأمثلة في مجموعة التحقّق.
من الناحية النظرية، يجب أن تحتوي مجموعة التحقّق والاختبار على
عدد الأمثلة نفسه أو ما يقارب ذلك.
يجب أن يكون عدد الأمثلة في مجموعة الاختبار أكبر من
عدد الأمثلة في مجموعة التحقّق أو مجموعة التدريب.
يكون عدد الأمثلة في مجموعة التدريب عادةً أكبر من
عدد الأمثلة في مجموعة التحقّق أو مجموعة الاختبار، ومع ذلك،
لا توجد متطلبات نسب مئوية للمجموعات المختلفة.
لنفترض أنّ مجموعة الاختبار تحتوي على أمثلة كافية لإجراء اختبار
ذو دلالة إحصائية. بالإضافة إلى ذلك، يؤدّي الاختبار على
مجموعة الاختبار إلى خسارة منخفضة. ومع ذلك، كان أداء النموذج
ضعيفًا في العالم الحقيقي. ما هي الإجراءات التي عليك اتخاذها؟
حدِّد كيف تختلف مجموعة البيانات الأصلية عن البيانات الواقعية.
نعم. حتى أفضل مجموعات البيانات هي مجرد لقطة من البيانات الواقعية،
لأنّ الحقيقة الأساسية
الأساسية تميل إلى التغيير بمرور الوقت. على الرغم من أنّ مجموعة الاختبار تطابقت مع
مجموعة التدريب بشكلٍ جيد بما يكفي للإشارة إلى جودة النموذج الجيدة، من المحتمل أنّ مجموعة
البيانات لا تتطابق بشكلٍ كافٍ مع البيانات في العالم الواقعي.
قد تحتاج إلى إعادة التدريب وإعادة الاختبار باستخدام مجموعة بيانات جديدة.
إعادة الاختبار على مجموعة الاختبار نفسها قد تكون نتائج الاختبار
غير عادية.
على الرغم من أنّ إعادة الاختبار قد تؤدي إلى نتائج مختلفة قليلاً،
من المحتمل أنّ هذه الخطّة ليست مفيدة جدًا.
كم عدد الأمثلة التي يجب أن تحتوي عليها مجموعة الاختبار؟
تاريخ التعديل الأخير: 2024-11-14 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2024-11-14 (حسب التوقيت العالمي المتفَّق عليه)"],[[["Machine learning models should be tested against a separate dataset, called the test set, to ensure accurate predictions on unseen data."],["It's recommended to split the dataset into three subsets: training, validation, and test sets, with the validation set used for initial testing during training and the test set used for final evaluation."],["The validation and test sets can \"wear out\" with repeated use, requiring fresh data to maintain reliable evaluation results."],["A good test set is statistically significant, representative of the dataset and real-world data, and contains no duplicates from the training set."],["It's crucial to address discrepancies between the dataset used for training and testing and the real-world data the model will encounter to achieve satisfactory real-world performance."]]],[]]
