সাধারণতার মান ছিল যে মেশিন শেখার মডেল কীভাবে অদৃশ্য তথ্য প্রদর্শন করে । বুঝতে ও মূল্যায়ন করতে পারে যে এই ভুলের জন্য নির্ভরযোগ্য মডেল উন্নয়ন এবং এই ভুলগুলোকে এড়িয়ে যাওয়া অপরিহার্য । এই প্রবন্ধটি সাধারণীকরণের সম্ভাবনার জন্য তত্ত্বগত ভিত্তি এবং ব্যবহারিক কৌশল পরীক্ষা করে ।

জর্মন

সাধারণত তথ্য বিতরণের ক্ষেত্রে গাণিতিক ভাবে এই হারের হারকে ব্যাখ্যা করা হয়। বেশ কিছু সীমা এবং অসমতা, যেমন হোল্ডের মিল এবং ম্যাক এর তথ্য বিশ্লেষণের ক্ষেত্রে এই ত্রুটির উপর ভিত্তি করে এই ত্রুটির সমাধান করা যায়।

আনুমানিক আনুমানিকতা

বাস্তবতা-বিশ্বে সাধারণীকরণের ক্ষেত্রে ত্রুটির পরিমাণ অনুমান করার জন্য প্রবিধানকারীরা বিভিন্ন কৌশল ব্যবহার করে। ক্রস-টিল একটি সাধারণ পদ্ধতি, যেখানে তথ্যকে প্রশিক্ষণ এবং বৈধকরণ দ্বারা বিভক্ত করা হয় মডেলের কার্যাবলী মূল্যায়ন করার জন্য। উপরন্তু, বুট বিচ্ছিন্ন করার ক্ষেত্রে তথ্যকে পুনরায় যাচাই করতে হবে। এই পদ্ধতিটির মধ্যে রয়েছে ভণ্ডির ক্ষেত্রে সঠিক জ্ঞান বন্টনের ক্ষেত্রে সঠিক পদ্ধতি। এই পদ্ধতিটি যাচাই করা ছাড়া, সঠিক জ্ঞান বিতরণের ক্ষেত্রে সঠিক তথ্য প্রকাশ করা সম্ভব হবে।

মডেল ম্যাসিভিটি এবং রেগুলার এক্সপ্রেশন

জটিল জটিল জটিল প্রভাবগুলো সাধারণ মানের ত্রুটিকে প্রভাবিত করে ।

  • ক্রস- পূরণকারী
  • বুটস
  • আকাঙ্ক্ষিত সীমা
  • রেগুলার এক্সপ্রেশন