Table of Contents
পর্যবেক্ষণ মডেলদের কার্যকারিতাকে মূল্যায়ন করা তাদের কার্যকারিতা বোঝার জন্য অপরিহার্য। বিভিন্ন মেট্রিক ব্যবহার করা হয় কিভাবে একটি মডেল সংখ্যা গণনা করতে হয় সেটা পরিমাপ করতে হয়। এই মেট্রিকগুলো ডাটার তুলনা করে মডেলগুলোর সাথে তুলনা করে একটি নির্দিষ্ট কাজের জন্য সর্বোত্তম উপায় বেছে নিতে সাহায্য করে।
সাধারণ কর্মক্ষমতার পরিমাপ-ব্যবস্থা
বিভিন্ন মেট্রিকদের বেশ কয়েকটা মডেল বিবেচনা করে দেখা যায় ।
শ্রেণীবিভাগের জন্য পরিমাপ-ব্যবস্থা
miss-র কর্ম, সাধারণ মেট্রিক- সমূহ, সঠিক, এবং F1 স্কোর। এই মেট্রিকগুলো মডেলের বিভিন্ন অংশের মান সঠিকভাবে গণনা করার ক্ষমতা পরিমাপ করা হয়।
নির্ভুলতার মাত্রা
গণনা করা হচ্ছে যে, সঠিক ভবিষ্যদ্বাণীর মাত্রা সম্পূর্ণ অনুমান করার ক্ষেত্রে সঠিক পরিমাপের মাত্রা নির্ধারণ করা হয়েছে:
[[F] [F] spications] (সত্য নয়] [শুধু ইতিবাচকs] /%i][FOp]
[ অধ্যয়ন প্রশ্নাবলি]
সঠিক ধারণা অনুযায়ী সঠিক, এবং যখন প্রকৃত ইতিবাচকের পরিমাণ সঠিকভাবে চিহ্নিত করা হয়, তখন তারা গণনা করে যে তারা গণনা করা হয়:
[[F] [F] [0] [pre] [path] সত্য ইতিবাচক] [বাভাল / মিথ্যা] [FODOX] [FOP] [F]
[[F]R] ERERMON [RECT] Modes = সত্য ( ফাইলটিকেভাল কর + মিথ্যা)
পুনরায় লেখার জন্য ব্যবহৃত পরিমাপ-ব্যবস্থা
রিগ্রেশন মডেলগুলোকে সিস্টেমের মধ্যে প্রত্যাশিত পার্থক্য (মা), মধ্যম মিল (এমই), এবং R-CInd (এমই), এবং এই মেট্রিকগুলো ভবিষ্যদ্বাণী এবং বাস্তব মূল্যবোধের মধ্যে পার্থক্য নির্ণয় করে।
কো-ওর্ডিনেট এক্সপ্রেশন (AE)
মাই হিসেব করেছেন যে পূর্বাভাস এবং প্রকৃত মূল্যবোধের মধ্যে গড়ে ওঠা পার্থক্য:
[[F][F] ALL] ফাইলটি=PRECPLY - অ articleedia ইমেজ [FOPL]
র-স্কোপ
আর-স্কোপড মডেল দ্বারা ব্যাখ্যাকৃত নির্ভরশীল ভেরিয়েবলের পার্থক্যের মাত্রাকে নির্দেশ করে। এর থেকে ১,০০০ এর মধ্যে থেকে ১,০০০ এর সীমা বেশি।
এই মেট্রিকরা শেখার দক্ষতা পর্যবেক্ষণের জন্য একটি নির্দিষ্ট ভিত্তি সরবরাহ করে এবং তাদের দক্ষতায় দক্ষতা অর্জনের জন্য।