بيانات الاختبار

تعد بيانات الاختبار عنصرًا حاسمًا في دورة حياة تطوير التعلم الآلي (ML). وهي تشير إلى مجموعة بيانات مستقلة، منفصلة عن مجموعتي التدريب والتحقق من الصحة، تُستخدم حصريًا للتقييم النهائي لأداء النموذج بعد اكتمال مرحلتي التدريب والضبط. تحتوي مجموعة البيانات هذه على نقاط بيانات لم يسبق للنموذج أن واجهها من قبل، مما يوفر تقييمًا غير متحيز لمدى جودة أداء النموذج على بيانات جديدة في العالم الحقيقي. الهدف الأساسي من استخدام بيانات الاختبار هو تقدير قدرة النموذج على التعميم - أي قدرته على الأداء بدقة على مدخلات غير مرئية.

أهمية بيانات الاختبار

يكمن المقياس الحقيقي لنجاح نموذج التعلّم الآلي في قدرته على التعامل مع البيانات التي لم يتم تدريبه عليها صراحةً. تُعد بيانات الاختبار بمثابة نقطة التحقق النهائية، حيث تقدم تقييماً موضوعياً لأداء النموذج. فبدون مجموعة اختبار مخصصة، هناك خطر كبير من الإفراط في التخصيص، حيث يتعلم النموذج بيانات التدريب بشكل جيد للغاية، بما في ذلك الضوضاء والأنماط المحددة، ولكنه يفشل في التعميم على البيانات الجديدة. يساعد استخدام بيانات الاختبار على التأكد من أن مقاييس الأداء المُبلغ عنها تعكس قدرات النموذج المتوقعة في العالم الحقيقي، مما يعزز الثقة قبل نشر النموذج. تُعد خطوة التقييم النهائية هذه ضرورية لمقارنة النماذج أو الأساليب المختلفة بشكل موثوق، مثل مقارنة YOLOv8 مقابل YOLOv9، وهي تتماشى مع أفضل الممارسات مثل تلك الموضحة في قواعد تعلّم الآلة منGoogle.

الخصائص الرئيسية

لكي تكون بيانات الاختبار فعالة، يجب أن تمتلك بيانات الاختبار خصائص معينة:

• التمثيلية: يجب أن تعكس بدقة خصائص البيانات الواقعية التي سيواجهها النموذج بعد النشر. يتضمن ذلك توزيعات مماثلة للميزات والفئات والاختلافات المحتملة. تعتبر الممارسات الجيدة لجمع البيانات والتعليقات التوضيحية ضرورية.
• الاستقلالية: يجب أن تكون بيانات الاختبار منفصلة تمامًا عن مجموعتي التدريب والتحقق من الصحة. يجب ألا تُستخدم أبدًا لتدريب النموذج أو ضبط المعلمات الفائقة الخاصة به. يمكن أن يؤدي أي تداخل أو تسرب إلى تقديرات أداء مفرطة في التفاؤل.
• الحجم الكافي: يجب أن تكون مجموعة الاختبار كبيرة بما يكفي لتوفير نتائج ذات مغزى إحصائيًا وتقدير أداء النموذج بشكل موثوق.

بيانات الاختبار مقابل بيانات التدريب والتحقق من الصحة

من الضروري التمييز بين بيانات الاختبار وتقسيمات البيانات الأخرى المستخدمة في تعلّم الآلة:

• بيانات التدريب: هذا هو الجزء الأكبر من مجموعة البيانات، ويُستخدم مباشرةً لتدريب النموذج. يتعلّم النموذج الأنماط والعلاقات من هذه البيانات من خلال خوارزميات مثل التعلّم الخاضع للإشراف.
• بيانات التحقق من الصحة: تُستخدم مجموعة البيانات المنفصلة هذه أثناء مرحلة التدريب لضبط المعلمات الفائقة للنموذج (مثل خيارات البنية أو إعدادات التحسين) واتخاذ قرارات بشأن عملية التدريب (مثل التوقف المبكر). وهي توفر ملاحظات حول مدى جودة تعميم النموذج أثناء التدريب، وتوجيه عملية تقييم النموذج وعملية الضبط الدقيق دون استخدام مجموعة الاختبار النهائية.
• بيانات الاختبار: تُستخدم مرة واحدة فقط بعد اكتمال جميع عمليات التدريب والتحقق من الصحة لتوفير تقييم نهائي غير متحيز لأداء النموذج على البيانات غير المرئية.

يعد الفصل بين مجموعات البيانات هذه بشكل صحيح باستخدام استراتيجيات مثل التقسيم الدقيق للبيانات أمرًا بالغ الأهمية لتطوير نماذج موثوقة وتقييم قدراتها في العالم الحقيقي بدقة.

أمثلة من العالم الحقيقي

1. القيادة الذاتية: تحليلات Ultralytics YOLO سيتم تقييم النموذج المدرّب على اكتشاف الأجسام في السيارات ذاتية القيادة على مجموعة اختبارية تحتوي على سيناريوهات قيادة متنوعة لم يسبق مشاهدتها (على سبيل المثال، القيادة الليلية والأمطار الغزيرة والتقاطعات غير المألوفة). يضمن ذلك أن يكتشف النموذج بشكل موثوق المشاة وراكبي الدراجات والمركبات الأخرى( تعتمدتقنية Waymo بشكل كبير على مثل هذه الاختبارات) قبل نشرها في المركبات الفعلية.
2. التشخيص الطبي: في تحليل الصور الطبية، يجب تقييم نموذج مُدرّب على اكتشاف الأورام باستخدام بيانات مثل مجموعة بيانات الكشف عن أورام الدماغ على مجموعة اختبارية من الفحوصات من مستشفيات وأجهزة ومجموعات مرضى مختلفة لم تكن جزءًا من التدريب أو التحقق من الصحة. وهذا يؤكد دقة النموذج التشخيصية ومتانته في الإعدادات السريرية الحقيقية.

التقييم والإدارة

يقاس الأداء على مجموعة الاختبار عادةً باستخدام مقاييس ذات صلة بالمهمة، مثل الدقة أو متوسط متوسط الدقة (mAP) أو غيرها من المقاييس المفصلة في أدلة مثل وثائق مقاييس أداءYOLO . في كثير من الأحيان، يتم تقييم النماذج مقارنةً بمجموعات البيانات المعيارية القائمة مثل COCO لضمان إجراء مقارنات عادلة وتعزيز قابلية التكرار. يتم تسهيل إدارة مجموعات البيانات المميزة هذه طوال دورة حياة المشروع من خلال منصات مثل Ultralytics HUB، والتي تساعد على تنظيم تقسيمات البيانات وتتبع التجارب بفعالية.