একটি গভীর শেখার মডেলের সঠিক যথার্থতা যাচাই করা আবশ্যক । এর মান মূল্যায়ন করা আবশ্যক । সমস্যার ওপর নির্ভর করে বিভিন্ন মেট্রিকরা, যেমন অলিটি বা রিভলিক্স । এই মেট্রিকগুলো একটা নির্দিষ্ট অ্যাপ্লিকেশনের জন্য সর্বোত্তম মডেল বেছে নিতে সাহায্য করে ।

শ্রেণীবিভাগের মডেলের জন্য সাধারণ পরিমাপ-ব্যবস্থা

কিন্তু, অন্যান্য মেট্রিকগুলো আরও বেশি তথ্য প্রদান করে, বিশেষ করে ক্ষণশীল তথ্যসহ তথ্য সরবরাহ করে থাকে ।

Eusuperর জন্য ব্যবহারযোগ্য পরিমাপ-ব্যবস্থা

  • [[F] [F]] উল্লিখিত মান:[FLT] [FLT] প্রকৃত ভবিষ্যদ্বাণীর অনুপাত] সম্পূর্ণ ইতিবাচক ফলাফল সম্বন্ধে ভবিষ্যদ্বাণী করেছিল ।
  • [[F][FLT][[F]] সব প্রকৃত ইতিবাচক ভবিষ্যদ্বাণীর অনুপাত]
  • [[F]FLT] F1 স্কোর:[FLT][FLT] স্পষ্ট ও স্মরণ, উভয় মেট্রিক উভয় ক্ষেত্রেই সঠিকতা রয়েছে ।
  • [[[F] বিস্তারিত: Colice...

মেট্রিক অনুসন্ধান করা হচ্ছে

উদাহরণস্বরূপ, নির্ভুলভাবে গণনা করা হয় যে, পি. এস. পি. - তে পি. [T. পি.] [T. পি.] [P]] [PP]]] [FP]]]]] সত্য এবং এফ. পি.পি. [এফ.পি.] মিথ্যা কথা বলা যায় ।

রিগ্রেশন মডেলের জন্য পরিমাপ-ব্যবস্থা

রিভার্ন টাস্ক, মেট্রিকরা ভবিষ্যদ্বাণী আর আসল মূল্যবোধের মধ্যে পার্থক্যের উপর মনোযোগ প্রদান করে। সাধারণ মেট্রিকের মানে হল ভুল (এমএ), সম্পূর্ণ ত্রুটি (মা) এবং R-CPCD এর মধ্যে পার্থক্য।

সারাংশ

সঠিক অবস্থান বেছে নেওয়াই সমস্যার ধরন এবং নির্দিষ্ট লক্ষ্যগুলোর ওপর নির্ভর করে ।