নিউরোট্রোল নেটওয়ার্ক কার্যকারনননননননননননক যন্ত্র মডেলগুলোর কার্যকারিতা যাচাই করে দেখার জন্য অপরিহার্য । তারা একটি নির্দিষ্ট কাজের জন্য কীভাবে একটি নিউরাল নেটওয়ার্ক কাজ করছে তা হিসাব করতে পারে । এই গণনাগুলো আদর্শে সাহায্য করে এবং বিভিন্ন স্থাপত্যের তুলনা করে থাকে ।

সাধারণ কর্মক্ষমতার পরিমাপ-ব্যবস্থা

বিভিন্ন মেট্রিকদের মধ্যে কয়েকটি স্বত:স্ফূর্ততাশীল নেটওয়ার্ক মূল্যায়ন করার জন্য ব্যবহৃত হয়, প্রতিটি ডিসপ্লের ক্ষেত্রে কর্মক্ষমতার বিভিন্ন দিক বিবেচনা করে। সঠিক, নিগ্রহ, এবং F1 স্কোরের ক্ষেত্রে অধিকাংশ ক্ষেত্রে বাধ্যতামূলকভাবে একই মান ব্যবহার করা হয়। রিভ্রম ত্রুটির কারণে, মধ্যম মানের সমস্যা ইত্যাদির কারণে নিম্নমুখী ত্রুটির কারণে মধ্যম মানের (MSE) এবং মোট গড় সংখ্যা প্রায় বার ব্যবহার করা হয়।

এর মূল্য এবং সীমা

যদিও সহজ ও জটিল কিন্তু এটা তথ্যকে ভুলভাবে ব্যাখ্যা করে যে, যেখানে একটা শ্রেণী কর্তৃত্ব করে, সেখানে ভুল তথ্যগুলোকে ভুলভাবে উপস্থাপন করা যেতে পারে ।

মডেল Equert বিশ্লেষণের জন্য উচ্চ পর্যায়ের মেট্রিক

গ্রাহকের অধীনে বাণিজ্যিকভাবে বাণিজ্যিকভাবে ক্লিক করা বক্ররেখা (এইউসি) এবং সু-র্য়ক-রেসি (ইউসিসি)-এর মতো মেট্রিকরা আদর্শ শ্রেণীতে পৃথক হওয়ার ক্ষমতা সম্বন্ধে তথ্য প্রদান করে থাকে।

কি-র পরিমাপ-ব্যবস্থা

  • [[FLT] : [FOR] ALLCT] [FLT] গণনা সম্পূর্ণ সংশোধন ।
  • [[F] [FLT] [F]] সম্পূর্ণ ইতিবাচক ভবিষ্যদ্বাণীগুলো থেকে পূর্ণরূপে সঠিক ফলাফল গণনা করা হয়েছে ।
  • [[F]RE[[FOP][FLT] সঠিক উপায় [FLT] প্রকৃত ইতিবাচক ফলাফল বের করে ।
  • [[F]F1 স্কোর:[FLT] স্পষ্ট ও স্মরণের হার [FLT]
  • [[F]]:( L)[FLT][FLT]] ভবিষ্যদ্বাণী এবং প্রকৃত মান অনুযায়ী গড় সংখ্যার পার্থক্য নির্ধারণ করা হয়।