L33- Evaluation Metrics for Classification Model | مقاييس التقييم لنموذج تصنيف

[@gehadqabel3891]

والله احلي شرح شفته للجزئيه دي بارك الله ف حضرتك جداا 🌹🌹🌹🌹

[@feridboukhalfa5571]

السلام عليكم الشكر الجزيل لك يا دكتور على طريقتك المميزة والواضحة في كيفية شرح الكورسات جعلني استوعب كل تفاصيلها واجد نفسي مقر العزم على الوصول الى ما اصبو اليه بحول الله

[@Omar2366]

بالتوفيق،، ولا تنسانا من صالح دعائك

[@alialyami2478]

ما شاء الله العظيم الله يجزاك خير على الشرح الجميل

[@osamahalyasiri7840]

All the best for you Dr. With many thanks for informative information.

[@marvii13]

شكرا جدا يدكتور... بجد بارك الله في حضرتك 🥰

[@SPSS_Company]

مبدع أستاذنا 😊

[@zainabobied-tg9fv]

شرح فوق الممتاز ، جزاك الله خير, هل يمكن الحصول علي العرض التقديمي حقك ؟

[@abderhmn]

thanks

[@sadikbilal5149]

السلام عليكم
ماذا عن مقاييس
sensitivity and specificity

[@Omar2366]

Sensitivity= recall (TP/TP+FN)
Specificity has the same idea of recall but for the True Negative cases (TN/TN+FP)

[@khalidmotawakel127]

يادكتور
F-beta
مهمه للتقيم ولا اعتمد F score
فقط

[@Omar2366]

الـ (F-1 score) هي حالة من حالات (F-beta) حيث تكون قيمة البيتا تساوي 1 لذلك نسميها (F-1). وعندما مثلا نختار قيمة البيتا تساوي 2 يصبح أسمها (F-2) وهكذا. الأن إذا كانت الداتا تتوزع على (2 classes) وكلا الصنفين لهما نفس الأهمية فبالتالي نختار قيمة البيتا تساوي 1 (F-1). أما إذا كنت مهتم بقيمة الـ (recall) أكثر وتريد تعطيها وزن أكبر فبهذه الحالة ترفع قيمة البيتا أكبر من واحد مثلا تساوي 2 (F2)، ولكن إذا مهتم بقيمة الـ (precision) فبالتالي نقلل قيمة البيتا عن 1 مثلا تساوي 0.5 (F-0.5). إذا التعليق ظهر عندك بشكل غير مرتب أنسخ وألصق على صفحة وورد..

[@sidorasudgi7166]

السلام عليكم يا دكتور
الشكر الجزيل لشرحك المفيد
انا الان ادرس course ML في جامعتي وحاليا انا في المستوى الرابع.. امس امتحنا اختبار نصف السمستر وجات فيه هذه المسأله لكن كانت بالمقلوب اي ان الactual أصبح صفوف والpredicted أصبح اعمده
كيف يتم حل المسأله هل ارجعها كوضعها الطبيعي ولا احلها عادي

[@yasirabdulkareem9844]

👍💯❤