نقصاندہ نتائج کو سمجھنا : اپنے نمونے کے لئے انتخاب اور کُل‌وقتی خدمت کا انتخاب کرنا کیسے ممکن ہے ؟

مشین سیکھنے کے ماڈلز میں کمی اہم اجزاء ہیں. وہ اندازہ کرتے ہیں کہ ماڈل کی پیشگوئیاں حقیقی اعداد کے عین عین مطابق کیسے ہوسکتی ہیں. صحیح نقصان کو یقینی بنانے کے عمل میں ماڈل کی درستی اور تربیتی کارکردگی بہتر بنانے میں مدد کرتی ہیں۔

نقصان‌دہ تباہی کیا ہے ؟

کمیت كے عملي متناسب طور پر پیشینگوئیي اقدار اور حقیقی اقدار کے فرق ميں فرق هے ۔ کي تربیت کے دوران اس نقصان کو کم کرنے کا مقصد ماڈل کی کارکردگی کو بڑھانے کے ليے مختلف قسم کے کام درکار ہوتے ہيں۔

نقصاندہ چیزوں کی عام اقسام

Meyan Squared غلطی (ME): استعمال کرنے والے کام کے لیے استعمال ہونے والی اشیاء، یہ پیشینگوئی اور حقیقی اقدار کے درمیان اوسط مربع فرق کا حساب رکھتی ہے۔
Cross-Entropy کھوسہ: کلاسیشن کے مسائل میں عام لوگ، یہ دو امکان تقسیم کے فرق کا اندازہ لگاتا ہے۔
Hinge کھوسہ:] Victor مشینوں کی مدد سے استعمال کیا جاتا ہے، یہ کلاسوں کے درمیان موجود مارجن کو تیز کرنے میں مدد دیتا ہے۔

صحیح خرچ کرنے کا انتخاب کیسے کریں

انتخاب کا انحصار مسائل اور اعداد و شمار کی نوعیت پر ہے.

کُل‌وقتی خدمت

کلکولنگ ہارنے میں آپ کے ماڈل کی پیشینگوئیوں اور حقیقی اعداد و شمار پر منتخب نقصان کا اطلاق کرنا شامل ہے۔ ٹریننگ دوران میں ایک عارضی الجبرا اس نقصان کو کم کرنے کے لئے ماڈل پیرامیٹرز کی تبدیلی کرنا شامل ہے۔