সুপারভাইজারিং শেখার জন্য প্রশিক্ষণপ্রাপ্ত মডেলদের প্রশিক্ষণ দেওয়া হবে, যাতে তথ্যকে গণনা করার ওপর ভিত্তি করে তথ্য গণনা করা যায় ।

অনুমানের যথার্থতার হার

মডেল দ্বারা তৈরি সঠিক ভবিষ্যদ্বাণীর মাত্রা পরিমাপ করার ক্ষেত্রে অনুমানের সঠিক পরিমাপ করা হয় ।

সঠিক তথ্যের গণনা করার জন্য গণনায় সঠিক গণনার সংখ্যা গণনা করা হয়েছে:

[[FLT] sepers= [ranciss] /% 1 (রিমোট অনুমানিক)

সাধারণ ত্রুটি

রিগ্রেশনাল কাজের জন্য, যেখানে ভবিষ্যৎবানী করা হচ্ছে, ত্রুটি ভবিষ্যদ্বাণী এবং প্রকৃত মূল্যবোধের মধ্যে পার্থক্য নির্ধারণ করে। সাধারণ মেট্রিক সংখ্যাসূচক ত্রুটির অন্তর্ভুক্ত হল, মিন স্কয়ার ত্রুটি (এমএ), এবং রুট মিন স্কয়ার ত্রুটি (এমএমএম) ।

এই মেট্রিকগুলো নিম্নরূপ হিসেবে গণনা করা হয়:

  • [[F]MA:[FLT] ভবিষ্যদ্বাণী ও প্রকৃত মানের মধ্যে নির্ধারিত সীমা] ।
  • [[F]]:[FLT]][FLT]] ভবিষ্যদ্বাণী এবং প্রকৃত মানের মধ্যে পার্থক্যের গড় গড়তম [FLT] ।
  • [[F]RE:[FLT]

মেট্রিক কর্মক্ষমতার জন্য নিম্ন মান।

পদাশ্রিত নির্দেশকের প্রশিক্ষণ আরম্ভ করে

অধিকাংশ মেশিন শেখার লাইব্রেরী সহজে এই মেট্রিকগুলো গণনা করতে সাহায্য করে ।

এই ধরনের কাজের উপর ভিত্তি করে সঠিক মেট্রিক নির্বাচন করা গুরুত্বপূর্ণ- গ্রহণযোগ্যভাবে অথবা অবৈজ্ঞানিক-প্রতিক্রিয়ার উপর ভিত্তি করে- এবং মডেল মূল্যায়নের ক্ষেত্রে সুনির্দিষ্ট লক্ষ্য।