Table of Contents
ক্রস-অভিযান হল একটি পরিসংখ্যানগত পদ্ধতি যা মেশিন শেখার মডেলদের দক্ষতা মূল্যায়ন করতে সাহায্য করে। এটা কিভাবে অদৃশ্য তথ্যকে ভালো ভাবে প্রভাবিত করে, অতিরিক্ত সুবিধা গ্রহণের ঝুঁকি কমিয়ে আনতে পারে।
বুঝতে পেরেছি
ক্রস- অব- ভিউ- এ ডাটা পার্টিশন করা হচ্ছে একাধিক সাব- সাব- বাটন । মডেলটি কিছু সাব- স্থানে প্রশিক্ষিত করা হয়েছে এবং পরীক্ষা করা হয়েছে । এই প্রক্রিয়াটি বিভিন্ন ধরনের মডেলের কর্মক্ষমতা নিশ্চিত করার জন্য বেশ কয়েকবার পুনরাবৃত্তি করা হয়েছে ।
সাধারণ ক্রস- পূরণ টেকনেটিকস
বিভিন্ন দৃশ্যের জন্য প্রতিটি সারির জন্য বিভিন্ন পদ্ধতি ব্যবহার করা হয়:
- [[F] LAN-soll-power.[[F] n:[F] একই ক্ষেত্রে বিভক্ত তথ্য, কে-১] এর সমান অংশে প্রশিক্ষণ এবং অবশিষ্ট অংশের উপর প্রশিক্ষণ । এই প্রক্রিয়াটি পুনরায় আরম্ভ করে ।
- [[F]] sted K-FOP-FO:[[F][F][F] FO-FO: [1] কিন্তু শ্রেণী বিতরণের অনুরূপ কিন্তু ভার বহন করে শ্রেণী বিতরণের সুবিধা বজায় রাখা, যা APPLY তথ্য ধারণ করে ।
- [[F] ত্যাগ করুন [-O] [FO] [FLT] পরীক্ষা এবং প্রশিক্ষণের জন্য পরবর্তী যে কোন একটি ডাটা পয়েন্ট ব্যবহার করুন, প্রতিটি তথ্যের জন্য বারবার পুনরাবৃত্তি করা হবে ।
( ১ করি.
ক্রস-অভিভাবিত করার সুবিধাকে ছোট করে দেখার জন্য নীচের সেরা পদ্ধতিটি বিবেচনা করুন:
- তথ্যসেট আকারের ভিত্তিতে 'k-' একটি উপযুক্ত মান বেছে নিন ।
- পক্ষপাতিত্ব হ্রাসের পূর্বে তথ্য একত্রিত করার পূর্বে নিশ্চিত করুন।
- সমার্থক শব্দের সঙ্গে খাপ খাইয়ে নেওয়ার পদ্ধতি ব্যবহার করা হয় ।
- উচ্চ পর্যায়ের ফলাফলের জন্য হাইপারপোড়ের সমাধিতে হস্তক্ষেপের মাধ্যমে.