الخطوة 1
وبدلًا من ذلك، تخبرنا درجة الاستجابة أن 97٪ من صور الاختبار التي تُظهر أمثلة على تعدين الكهرمان قد تم تصنيفها بشكل صحيح على هذا النحو بواسطة نموذج التعلم الآلي.

الخطوة 2
حد الثقة هو مستوى الثقة الذي يجب أن يكون لدى نموذج التعلم الآلي لتعيين تصنيف ما. كلما انخفض حد الثقة، زاد عدد الصور التي سيصنفها نموذج التعلم الآلي، ولكن كلما زادت مخاطر تصنيف بعض الصور بصورة خاطئة.

الخطوة 3
إذا كنت ترغب في التعمق أكثر واستكشاف منحنيات الدقة-الاستجابة، فاتبع الرابط الموجود على الواجهة لمعرفة المزيد.

الخطوة 1
تم التعرف على جميع الصور التي كان ينبغي تصنيفها على أنها سلبية (لا يوجد تعدين للكهرمان) من خلال النموذج وتم تصنيف 82٪ من الصور التي تضمنت آثارًا لتعدين الكهرمان بشكل صحيح على هذا النحو.

الخطوة 2
ليست لدينا هنا صور إيجابية خاطئة - حيث لم يتم تصنيف أي صور بشكل خاطئ كأمثلة لتعدين الكهرمان - وتوجد فقط 12٪ من الصور السلبية الخاطئة: وهي الصور التي تُظهر آثار تعدين الكهرمان وفشل نموذج التعلم الآلي في التعرف عليها.

الخطوة 3
هذا أمر جيد بالنسبة لتحقيق أهداف التحقيق الذي نُجريه بشأن الكشف عن أنشطة التعدين غير القانونية للكهرمان: من الأفضل تفويت بعض الأمثلة الإيجابية بدلًا من إحضارها كدليل على صور تعدين الكهرمان التي لا تُظهر ذلك في الواقع.

الخطوة 4
انقر على المرشحات اليسرى إذا كنت تريد معرفة صور الاختبار التي تم تصنيفها بشكل صحيح أو بشكل خاطئ بواسطة نموذج التعلم الآلي.

الخطوة 5
هل أنت لست متأكدًا بعد مما إذا كان بإمكانك الوثوق بنموذج التعلم الآلي أم لا؟ بالنقر فوق "Test & Use الاختبار والاستخدام"، يمكنك تحميل صور أقمار صناعية جديدة تمامًا - سواء تتضمن أو لا تتضمن آثار لتعدين الكهرمان - لمعرفة ما إذا كان نموذج التعلم الآلي يقوم بتصنيفها بشكل صحيح.