Test Data

بيانات الاختبار هي مجموعة فرعية محددة من مجموعة بيانات أكبر مخصصة حصريًا لتقييم الأداء النهائي لنموذج التعلّم الآلي (ML). على عكس البيانات المستخدمة خلال مراحل التعلم السابقة، تظل بيانات الاختبار "غير مرئية" تمامًا للخوارزمية حتى نهاية دورة التطوير. يعد هذا العزل أمرًا بالغ الأهمية لأنه يوفر تقييمًا غير محيز لمدى تعميم نموذج الرؤية الحاسوبية (CV) أو أي نظام ذكاء اصطناعي آخر على مدخلات جديدة في العالم الحقيقي. من خلال محاكاة بيئة الإنتاج، تساعد بيانات الاختبار المطورين على التحقق من أن نموذجهم قد تعلم حقًا الأنماط الأساسية بدلاً من مجرد حفظ أمثلة التدريب.

دور بيانات الاختبار في دورة حياة تعلم الآلة#

في سير عمل التعلم الآلي القياسي، يتم تقسيم البيانات عادةً إلى ثلاث فئات متميزة، تؤدي كل منها غرضًا فريدًا. يعد فهم التمييز بين هذه التقسيمات أمرًا حيويًا بناء أنظمة الذكاء الاصطناعي (AI) قوية.

• بيانات التدريب: هذا هو الجزء الأكبر من مجموعة البيانات، ويُستخدم لتعليم النموذج. تقوم الخوارزمية بضبط معلماتها الداخلية بشكل تكراري، أو الأوزان، لتقليل الأخطاء في هذه المجموعة المحددة من الأمثلة.
• بيانات التحقق: تُستخدم هذه المجموعة الفرعية بشكل متكرر أثناء عملية التدريب لضبط المعلمات الفائقة وتوجيه قرارات البنية. وهي بمثابة فحص مؤقت لمنع فرط التخصيص، حيث يؤدي النموذج بشكل جيد على بيانات التدريب ولكنه يفشل في البيانات الجديدة.
• بيانات الاختبار: هذا هو "الاختبار" النهائي للنموذج. ولا تُستخدم أبدًا لتحديث الأوزان أو ضبط الإعدادات. ينتج عن التقييم على بيانات الاختبار مقاييس أداء نهائية، مثل الدقة، والاسترجاع، ومتوسط الدقة المتوسط (mAP)، والتي يستخدمها أصحاب المصلحة لتحديد ما إذا كان النموذج جاهزًا لنشر النموذج.

غالبًا ما يتم تسهيل الإدارة السليمة لهذه التقسيمات بواسطة أدوات مثل Ultralytics Platform، والتي يمكنها تنظيم مجموعات البيانات التي يتم تحميلها تلقائيًا في هذه الفئات الأساسية لضمان تقييم صارم للنموذج.

أهمية التقييم غير المتحيز#

تكمن القيمة الأساسية لبيانات الاختبار في قدرتها على اكتشاف تحيز مجموعة البيانات ومشاكل التباين. إذا حقق نموذج دقة بنسبة 99% على بيانات التدريب ولكن 60% فقط على بيانات الاختبار، فهذا يشير إلى تباين عالٍ (فرط التخصيص). وعلى العكس من ذلك، يشير الأداء الضعيف على كلاهما إلى نقص التخصيص.

يؤدي استخدام مجموعة اختبار مخصصة إلى الالتزام بالمبادئ العلمية لإمكانية التكرار والموضوعية. بدون مجموعة اختبار نقية، يخاطر المطورون "بالتدريس للاختبار"، مما يؤدي فعليًا إلى تسريب معلومات من مرحلة التقييم مرة أخرى إلى مرحلة التدريب - وهو ظاهرة تُعرف باسم تسرب البيانات. ينتج عن هذا تقديرات أداء متفائلة بشكل مفرط والتي تنهار عندما يواجه النموذج بيانات العالم الحقيقي.

تطبيقات العالم الحقيقي#

تعد بيانات الاختبار ضرورية عبر جميع الصناعات التي تستخدم الذكاء الاصطناعي لضمان السلامة والموثوقية قبل تشغيل الأنظمة فعلياً.

• القيادة الذاتية: في تطوير المركبات ذاتية القيادة، قد تتكون بيانات التدريب من ملايين أميال الطرق السريعة المقادة في طقس صافٍ. ومع ذلك، يجب أن تتضمن بيانات الاختبار سيناريوهات نادرة وصعبة - مثل الثلوج الكثيفة، أو العقبات المفاجئة، أو إشارات المرور المربكة - والتي لم "يرها" الكاربشكل صريح أبدًا أثناء التدريب. يضمن هذا أن نظام اكتشاف الكائنات يمكنه التفاعل بأمان في بيئات غير متوقعة.
• تشخيص الرعاية الصحية: عند بناء نموذج لاكتشاف الأورام في التصوير الطبي، قد تأتي مجموعة التدريب من قاعدة بيانات مستشفى معينة. للتحقق من أن النموذج قوي وآمن للاستخدام العام، يجب أن تتضمن بيانات الاختبار من الناحية المثالية عمليات مسح من مستحضرات مختلفة، مأخوذة بأجهزة مختلفة، وتساهم في تمثيل ديموغرافي متنوع للمرضى. يؤكد هذا التحقق الخارجي أن الذكاء الاصطناعي ليس متحيزًا لنوع معدات معين أو لجمع سكان محدد.

تقييم الأداء باستخدام الكود#

باستخدام حزمة ultralytics، يمكنك بسهولة تقييم أداء النموذج على مجموعة بيانات محتفظ بها. بينما يُستخدم وضع val غالبًا للتحقق أثناء التدريب، يمكن تكوينه أيضًا للتشغيل على تقسيم اختبار محدد محدد في تكوين YAML لمجموعة البيانات الخاصة بك.

إليك كيفية تقييم نموذج YOLO26 المدرب مسبقًا للحصول على مقاييس مثل mAP50-95:

from ultralytics import YOLO

# Load a pre-trained YOLO26 model
model = YOLO("yolo26n.pt")

# Evaluate the model's performance on the validation set
# (Note: In a strict testing workflow, you would point 'data'
# to a YAML that defines a specific 'test' split and use split='test')
metrics = model.val(data="coco8.yaml")

# Print a specific metric, e.g., mAP at 50-95% IoU
print(f"Mean Average Precision (mAP50-95): {metrics.box.map}")

تولد هذه العملية مقاييس شاملة، مما يسمح للمطورين بمقارنة الهياكل المختلفة بموضوعية، مثل YOLO26 مقابل YOLO11، وضمان أن الحل المختار يلبي الأهداف المحددة للمشروع. الاختبار الصارم هو خطوة الحراسة النهائية لضمان تلبية معايير سلامة الذكاء الاصطناعي عالية الجودة.