Ali Ahmed55 نشر 20 سبتمبر أرسل تقرير نشر 20 سبتمبر السلام عليكم انا عمل نموذج لتصنيف مرض القلب باستخدم الشبكه الاعصبيه وده الكود وده البيانات الانا شغل علها x = heart.drop(['target'] , axis=1) y = heart['target'] x_traing , x_test , y_traing , y_test = train_test_split(x , y ,test_size=0.25,random_state=44,shuffle=True) #print(f"X taring shape is: {x_traing.shape}") #print(f"X test shape is: {x_test.shape}") #print(f"Y taring shape is: {y_traing.shape}") #print(f"Y test shape is: {y_test.shape}") kerasmodle = keras.models.Sequential([ keras.layers.Dense(8, activation='tanh'), keras.layers.Dense(128,activation='tanh'), keras.layers.Dense(64,activation='tanh'), keras.layers.Dense(1,activation='sigmoid'), ]) myoptimizer = tf.keras.optimizers.AdamW( learning_rate=0.001, weight_decay=0.004, beta_1=0.9, beta_2=0.999, epsilon=1e-07, amsgrad=False, clipnorm=None, clipvalue=None, global_clipnorm=None, use_ema=False, ema_momentum=0.99, ema_overwrite_frequency=None, loss_scale_factor=None, gradient_accumulation_steps=None, name='Adamw', ) kerasmodle.compile(optimizer=myoptimizer,loss='binary_crossentropy',metrics=['accuracy']) #Trinag trinag_modle = kerasmodle.fit(x_traing,y_traing, validation_data=(x_test,y_test), epochs=100, batch_size=10000, verbose=1, callbacks=tf.keras.callbacks.EarlyStopping( patience=10, monitor='val_accuracy', restore_best_weights=True, )) #print(kerasmodle.summary()) y_pred = kerasmodle.predict(x_test) moduleloos,modleaccuracy = kerasmodle.evaluate(x_test,y_test) print(f"modle loss is: {moduleloos}") print(f"modle accuracy is : {modleaccuracy}") وده الloss و accoracy modle loss is: 0.5819184184074402 modle accuracy is : 0.744966447353363 فا انا عاوز اعرف هل كده النموذج كويس ؟ heart.db 1 اقتباس
0 Kais Hasan نشر 20 سبتمبر أرسل تقرير نشر 20 سبتمبر مرحبًا، النتيجة جيدة نوعًا ما في حال نظرت إليها بشكل مجرد. و لكن من الناحية المجردة أيضًا، من الأفضل النظر إلى الدقة على بيانات التدريب، و الدقة على بيانات الاختبار ، و ليس فقط على بيانات الاختبار. فهذا يساعدك على كشف مشاكل ال overfitting. كما أن معيار الدقة فقط لوحده غير جيد، حيث أنه عليك التفكير في المهمة التي تقوم ببناء النموذج لها، و هل هذا المعيار جيد أم لا؟ في أغلب المهام التي تتعلق بالأمور الطبية، ما يهمنا بشكل كبير هو كشف المرض في حال وجوده، حتى لو كان النموذج أسوء قليلًا من ناحية أنه يكشف مرض غير موجود، أي يكون الشخص سليم و لكنه يقول أنه مريض. و هذا يمكنك قياسه عن طريق معياري precision و recall. السبب في أننا نريد دقة عالية هو أنه بشكل عام يتم استعمال النماذج كأداة مساعدة للطبيب، أو أنه يمكنك توقع أن يقوم شخص عادي باستخدامه، ففي حال كان هناك شك ولو طفيف، أنت تريد أن تظهر له أن عليه مراجعة طبيب، حتى لو كان لا يحتاج إلى ذلك. فهذا أفضل من أن يكون مريضًا و تظهر له أنه لا يحتاج إلى مراجعة الطبيب. كما أنه يجب عليك المقارنة مع أشخاص أخرين عملوا على نفس المهمة، لمعرفة ما توصلوا له و هل نموذج جيد مقارنة بهم أم لا. ففي بعض المهام تعتبر دقة 60 بالمية ممتازة (كمهام التعرف على الأغراض من صور الأقمار الصناعية)، أما في مهام أخرى فإن أي نتيجة أقل من 90 غير جيدة (كأغلب مهام التصنيف الخاصة بالصور). أي ما يهم أن تفكر فيما وراء الأرقام و هل هي تعكس الأداء الذي تريد قياسه أم لا. تحياتي. 1 اقتباس
0 Ali Ahmed55 نشر 20 سبتمبر الكاتب أرسل تقرير نشر 20 سبتمبر بتاريخ 1 ساعة قال Kais Hasan: مرحبًا، النتيجة جيدة نوعًا ما في حال نظرت إليها بشكل مجرد. و لكن من الناحية المجردة أيضًا، من الأفضل النظر إلى الدقة على بيانات التدريب، و الدقة على بيانات الاختبار ، و ليس فقط على بيانات الاختبار. فهذا يساعدك على كشف مشاكل ال overfitting. كما أن معيار الدقة فقط لوحده غير جيد، حيث أنه عليك التفكير في المهمة التي تقوم ببناء النموذج لها، و هل هذا المعيار جيد أم لا؟ في أغلب المهام التي تتعلق بالأمور الطبية، ما يهمنا بشكل كبير هو كشف المرض في حال وجوده، حتى لو كان النموذج أسوء قليلًا من ناحية أنه يكشف مرض غير موجود، أي يكون الشخص سليم و لكنه يقول أنه مريض. و هذا يمكنك قياسه عن طريق معياري precision و recall. السبب في أننا نريد دقة عالية هو أنه بشكل عام يتم استعمال النماذج كأداة مساعدة للطبيب، أو أنه يمكنك توقع أن يقوم شخص عادي باستخدامه، ففي حال كان هناك شك ولو طفيف، أنت تريد أن تظهر له أن عليه مراجعة طبيب، حتى لو كان لا يحتاج إلى ذلك. فهذا أفضل من أن يكون مريضًا و تظهر له أنه لا يحتاج إلى مراجعة الطبيب. كما أنه يجب عليك المقارنة مع أشخاص أخرين عملوا على نفس المهمة، لمعرفة ما توصلوا له و هل نموذج جيد مقارنة بهم أم لا. ففي بعض المهام تعتبر دقة 60 بالمية ممتازة (كمهام التعرف على الأغراض من صور الأقمار الصناعية)، أما في مهام أخرى فإن أي نتيجة أقل من 90 غير جيدة (كأغلب مهام التصنيف الخاصة بالصور). أي ما يهم أن تفكر فيما وراء الأرقام و هل هي تعكس الأداء الذي تريد قياسه أم لا. تحياتي. تمام , شكراا لحضرتك جدا اقتباس
السؤال
Ali Ahmed55
السلام عليكم
انا عمل نموذج لتصنيف مرض القلب باستخدم الشبكه الاعصبيه وده الكود
وده البيانات الانا شغل علها
وده الloss و accoracy
فا انا عاوز اعرف هل كده النموذج كويس ؟
heart.db
2 أجوبة على هذا السؤال
Recommended Posts
انضم إلى النقاش
يمكنك أن تنشر الآن وتسجل لاحقًا. إذا كان لديك حساب، فسجل الدخول الآن لتنشر باسم حسابك.