في عالم الذكاء الاصطناعي، يعد تقييم أداء نماذج التصنيف من التحديات الرئيسية. وقد تم تقديم إطار جبري موحد يهدف إلى التعامل مع جميع إعدادات التصنيف، بما في ذلك التصنيف الثنائي، متعدد الفئات، متعدد الملصقات، والتصنيف المتراتب. يعتمد هذا الإطار على تمثيل فعلي وتوقعات الملصقات كـ مصفوفات مؤشر ثنائي، بالإضافة إلى ثلاثة مشغلات تجميعية - عالمية، قائمة العمود، وقائمة الصف - والتي تعكس بالضبط المتوسطات الصغرى والكبرى/الموزونة ومتوسطات النماذج.

من خلال استبدال هذه المشغلات، يمكن توسيع أي مقياس أداء ثنائي معبر عنه من خلال حسابات إيجابية وسلبية حقيقية لتشمل جميع الإعدادات، مما يجعلها أكثر مرونة وسهولة في الاستخدام. وعلاوة على ذلك، يتاح تقييم التصنيف باستخدام مخرجات مصنفات لينة، مما يسمح بتطبيق طرق مثل استخدام معايير عضوية أو ترميزات تراكمية، مما يزيد من دقة وموثوقية النتائج.

تتضمن النتائج النظرية الرئيسية أن المتوسطات المصغرة تعادل تلك المدعومة بالوزن، وأن العلاقة بين التكامل واستقلال الاستدعاء والتخصص تستند إلى شواهد علمية قوية. تعزز التجارب التجريبية على البيانات الاصطناعية والحقيقية هذه النتائج، مما يقدم لنا أدوات جديدة للتعامل مع تحديات تقييم أداء النماذج في الذكاء الاصطناعي. هل أنتم مستعدون لاستكشاف آفاق جديدة في تقييم أداء النماذج؟