کراس کراس ایک ایسے طریق کار ہے جو مشین سیکھنے کے ماڈلز کی کارکردگی کا تجزیہ کرنے کے لیے استعمال ہوتا ہے۔اس میں مدد کی جاتی ہے کہ کس طرح سے معلومات کو پوشیدہ رکھنے کے لیے ماڈل جنرل کو بہتر طور پر شیئر کرنے کے لیے ڈیٹا کو کئی ذیلی ضلعوں میں تقسیم کیا جا رہا ہے. یہ تکنیک بہت ضروری ہے کہ وہ کس طرح

کراس-Validation کیا ہے؟

کراس-مس-مس-مصدر میں ڈیٹا سیٹ کو کئی حصوں میں تقسیم کرنا، کچھ حصوں پر ماڈل کو تربیت دینا اور اسے دوسرے حصوں پر آزمایا کرنا شامل ہے۔جن کی سب سے عام شکل K-warws-conferation ہے جہاں ڈیٹا کو کک برابر حصوں میں تقسیم کیا جاتا ہے. ماڈل بار تربیت دی جاتی ہے، ہر بار مناسبت کے لیے چھوڑ کر باقی حصوں کو استعمال کیا جاتا ہے اور تربیت کے لیے باقی حصوں کو استعمال کرتا ہے۔

کراس-ودلیشن کی اقسام

  • K-Fold Cros-Validation: [1] ڈیٹا کو صوبے میں تقسیم کرکے تربیت اور اصلاحی کڈ وقت انجام دیتا ہے۔
  • ] Stratified K-Fold: انٹریس میں ہر ایک کو کلاسوں کی نمائندگی حاصل ہوتی ہے، کلاس کے کام کے لیے مفید ہوتا ہے۔
  • چھوڑ دو ایک-ای-او (LO): [1] ایک ڈیٹا بیس کے لیے استعمال کرتا ہے
  • ریپل کراس-ولڈیشن: زیادہ قابل اعتماد اندازات حاصل کرنے کے لیے K- بارہ گنا زیادہ استعمال ہوتا ہے۔

مشق میں کراس-Validation کا اطلاق کرنا

اساس کراس کی تیاری میں ڈیٹا سیٹ اور مسئلہ پر مبنی مناسب قسم کا انتخاب کرنا شامل ہے۔اسکیٹ-کرنسی جیسی مشین سیکھنے والی لائبریریوں کو آسانی سے کام کرنے کے لئے بنائی گئی مصنوعات فراہم کرنا ضروری ہے

کراس-ولکیشن کے فوائد

  • ماڈل نمائش کا درست اندازہ مزید فراہم کرتا ہے۔
  • ہائیپرپرمیٹرز کو صاف کرنے میں مدد ۔
  • اس سے زیادہ‌تر سگریٹ پینے کے خطرے میں پڑ جاتے ہیں ۔
  • ڈیٹا کو عملی طور پر ترتیب دیا جاتا ہے، خاص طور پر چھوٹے ڈیٹا سیٹوں کے ساتھ.