🔸️سرپرست: دکتر فرزاد پرویزپور
🔹️دبیر: آرتین فرزامی @Artin_F1
🔹️ارتباط با ادمین:
@AAdmin_AISA_MUK
Post #189
31

قسمت سیزدهم | AI Academy 🎓
🧠 ماتریس درهمریختگی؛ مدل کجا اشتباه کرده؟
در قسمت قبل با معیارهای ارزیابی آشنا شدیم. حالا چطور بفهمیم مدل چه اشتباههایی داشته؟ 🤔
جدول Confusion Matrix پیشبینی مدل را با وضعیت واقعی مقایسه میکند.
🩺 در تشخیص یک بیماری، چهار حالت داریم:
💡 خیلی ساده:
دو حالت، تشخیص درست؛ دو حالت، هشدار اشتباه یا بیماریِ تشخیصدادهنشده.
📌 این جدول کمک میکند بفهمیم مدل فقط چقدر درست عمل کرده نیست؛ کجا و چگونه اشتباه کرده است.
🚀 در قسمت بعد، فصل اول را مرور میکنیم؛ از داده تا پیشبینی! 👀
#AI_Academy #AISA #AISA_MUK
🧠 ماتریس درهمریختگی؛ مدل کجا اشتباه کرده؟
در قسمت قبل با معیارهای ارزیابی آشنا شدیم. حالا چطور بفهمیم مدل چه اشتباههایی داشته؟ 🤔
جدول Confusion Matrix پیشبینی مدل را با وضعیت واقعی مقایسه میکند.
🩺 در تشخیص یک بیماری، چهار حالت داریم:
«🟢 مثبت درست | TP
فرد بیمار است؛ مدل هم بیماری را تشخیص میدهد.
🔵 منفی درست | TN
فرد بیماری را ندارد؛ مدل هم نتیجه را منفی اعلام میکند.
🟠 مثبت کاذب | FP
فرد بیماری را ندارد؛ مدل بهاشتباه نتیجه را مثبت اعلام میکند.
🔴 منفی کاذب | FN
فرد بیمار است؛ اما مدل بیماری را تشخیص نمیدهد.»
💡 خیلی ساده:
دو حالت، تشخیص درست؛ دو حالت، هشدار اشتباه یا بیماریِ تشخیصدادهنشده.
📌 این جدول کمک میکند بفهمیم مدل فقط چقدر درست عمل کرده نیست؛ کجا و چگونه اشتباه کرده است.
🚀 در قسمت بعد، فصل اول را مرور میکنیم؛ از داده تا پیشبینی! 👀
#AI_Academy #AISA #AISA_MUK
🆔 @AISA_MUK
- ❤ 4











