هو انا ازي اعرف ان النموذج دي لو اشتغل علي بيانات تاني غير المتدريب عليها هيشتغل كوييس ؟

يجب تقسيم البيانات المتاحة أثناء التدريب إلى بيانات تدريب وبيانات اختبار بشكل منفصل، و يتم تدريب النموذج على جزء من البيانات، ثم يقيّم أداؤه باستخدام بيانات الاختبار التي لم يراها أثناء التدريب، إذا أظهر النموذج أداء جيدا على بيانات الاختبار، فهذا مؤشر على أنه قد يعمم بشكل جيد.

كما يمكن استخدام تقنية التحقق المتقاطع، حيث يتم تقسيم البيانات إلى عدة أجزاء، وتدريب النموذج على أجزاء مختلفة منها في كل مرة واختباره على الجزء المتبقي، و هذا يساعد في تقليل الانحياز وتقييم أداء النموذج بشكل أكثر دقة، و من المهم مراقبة الظاهرة التي تعرف بـ الـOverfitting أو الإفراط في التكيف، والتي تحدث عندما يتعلم النموذج تفاصيل البيانات التدريبية بشكل مفرط مما يجعله يفشل في التعميم على بيانات جديدة. 

من الأفضل تقسيم البيانات المتاحة لديك إلى مجموعتين، مجموعة تدريب ومجموعة اختبار، و استخدم مجموعة التدريب لتدريب النموذج، ثم قم بتقييم أدائه على مجموعة الاختبار، إذا كان الأداء جيدا على مجموعة الاختبار، فهذا مؤشر إيجابي على أن النموذج قادر على التعميم بشكل جيد.

و  يمكنك استخدام تقنيات مثل التحقق المتقاطع أو Cross-Validation لتقييم أداء النموذج على أجزاء مختلفة من البيانات، و إذا كانت البيانات الجديدة متاحة يمكنك اختبار النموذج مباشرة عليها لمعرفة كيفية تعامله معها. 

وعليكم السلام ورحمة الله وبركاته.

يجب عليك تقسيم البيانات التي لديك إلى مجموعتين . حيث مجموعة للتدريب ومجموعة أخرى للإختبار . حيث يفضل إستخدام 80% من البيانات للإختبار و 20% للتدريب . أو 70% و 30% .

ويمكنك تقيم النموذج بناء على بيانات التدريب والقيم التي أخرجها النموذج ومن خلالها ستطستطيع حساب نسبة الدقة للنموذج.

وتوجد طريقة أخرى لتقسيم البيانات تسمى Cross-Validation حيث في هذه الطريقة يتم تقسيم البيانات إلى عدة أجزاء ويتم تدريب النموذج على جزء منها ويتم إختباره على الأجزاء الأخرى. وهذا يضمن لك عدم إختبار النموذج على بيانات قد تدرب عليها مسبقا.

الف شكرااا جدا لحضرتكم