Plot Confusion Matrix in R

لعرض مصفوفة الالتباس (Confusion Matrix) في R باستخدام ggplot2، يمكنك استخدام الدالة geom_tile() لرسم مربعات اللون الملونة التي تمثل قيم المصفوفة. يمكنك أيضًا استخدام facet_grid() أو facet_wrap() لتقسيم الرسم البياني إلى لوحات فرعية تمثل الطرق المختلفة.

قم بتجميع البيانات الخاصة بالطرق المختلفة وقم بإنشاء الرسم البياني كما يلي:

RCopy code
library(ggplot2)

# بيانات المصفوفة لكل طريقة
dframe <- structure(list(label = structure(c(4L, 2L, 1L, 3L, 4L, 2L, 1L, 3L), .Label = c("fn", "fp", "tn", "tp"), class = "factor"), value = c(9, 0, 3, 1716, 6, 3, 6, 1713), method = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L), .Label = c("method1", "method2"), class = "factor")), .Names = c("label", "value", "method"), row.names = c(NA, -8L), class = "data.frame")

# إنشاء الرسم البياني
ggplot(dframe, aes(x = label, y = method, fill = value)) +
  geom_tile(color = "white") +
  scale_fill_gradient(low = "white", high = "steelblue") +
  labs(x = "Actual", y = "Method", fill = "Value") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  facet_wrap(~ method, scales = "free_y")

تُظهر هذه الشفرة البرمجية مصفوفة الالتباس بالألوان حيث يُظهر لون كل خلية قيمتها. تستخدم scale_fill_gradient() لتحديد مدى التدرج للألوان، وfacet_wrap() لتقسيم الرسم البياني إلى لوحات فرعية لكل طريقة.

بالطبع! يُستخدم تمثيل البيانات بواسطة مصفوفة الالتباس (Confusion Matrix) في مجالات عديدة مثل تقييم أداء نماذج التصنيف في تعلم الآلة وتقييم النظم الذكية. تعتبر المصفوفة مفيدة لفهم أداء النموذج من حيث عدد النتائج الصحيحة والخاطئة التي يتنبأ بها النموذج.

تتكون مصفوفة الالتباس من أربع خلايا رئيسية:

1. True Positives (TP): عدد العينات التي تم تصنيفها بشكل صحيح كإيجابيات.
2. False Positives (FP): عدد العينات التي تم تصنيفها بشكل غير صحيح كإيجابيات.
3. True Negatives (TN): عدد العينات التي تم تصنيفها بشكل صحيح كسلبيات.
4. False Negatives (FN): عدد العينات التي تم تصنيفها بشكل غير صحيح كسلبيات.

من خلال تحليل مصفوفة الالتباس، يمكننا حساب عدة مقاييس لأداء النموذج مثل الدقة (Accuracy)، الاستدعاء (Recall)، الدقة الإيجابية (Precision)، ومعدل الخطأ النوعي (False Positive Rate).

الدقة (Accuracy) تُعرف بنسبة العينات الصحيحة (TP و TN) من إجمالي العينات. الاستدعاء (Recall) هو نسبة العينات الإيجابية الصحيحة (TP) من مجموع العينات الإيجابية الحقيقية (TP و FN). الدقة الإيجابية (Precision) هي نسبة العينات الإيجابية الصحيحة (TP) من مجموع العينات المصنفة كإيجابيات (TP و FP). أما معدل الخطأ النوعي (False Positive Rate) فهو نسبة العينات السلبية الخاطئة (FP) من مجموع العينات السلبية الحقيقية (TN و FP).

إذا كان لديك أي أسئلة أو استفسارات إضافية، فلا تتردد في طرحها!