کمپیوٹر بصیرت ماڈلز کی کارکردگی کو یقینی بنانے کے لیے ان کی درستی اور قابل اعتماد کارکردگی کو یقینی بنانے کے لیے مختلف غلطی میٹرک اور درستی تکنیکیں استعمال کی جاتی ہیں تاکہ ان معلومات کو پوشیدہ طور پر کس طرح بہتر طور پر انجام دی جا سکے۔ ان آلات کو سمجھنے میں بہترین ماڈل منتخب کرنے اور اس کی کارکردگی کو بہتر بنانے میں مدد ملتی ہے۔

عام غلطی میٹرکس

کئی میٹرکس کمپیوٹر کے نظریاتی نمونے کی درستی کو یقینی بنانے کے لیے استعمال ہوتے ہیں، خاص طور پر کلاس کی شناخت اور باسکٹ بال کی طرح کام میں۔

  • [Accury:] مکمل پیشینگوئیوں سے درستی کی پیمائش۔
  • پریمیئر: حقیقی مثبتات کی شرح حقیقی مثبت اور غلط مثبتات کی جمع پر۔
  • حقیقی مثبتات کی شرح حقیقی مثبت اور غلط منفی کی جمع میں۔
  • F1 سکور: [1]، دو میٹرکس کو حل کرنے کے لیے، دو کو بہتر بنانے اور یاد کرنے کے لیے Harticon کا مطلب ہے۔
  • Meyan Squared غلطی (MSE): [fLT] میں استعمال ہونے والے کام میں استعمال ہونے والے استعمالات میں استعمال ہوتے ہیں تاکہ پیشینگوئی اور اصل اقدار کے درمیان اوسط مربع فرق کا اندازہ لگایا جا سکے۔

وِل‌وِدَّیْنِكَات

نئے ڈیٹا کو بہتر بنانے کے لئے مختلف تکنیکوں کی مدد کی جاتی ہے تاکہ یہ دریافت کریں کہ ایک ماڈل جنرل کو کس طرح نئے ڈیٹا سے نوازا جا سکے ۔

کراس-ودل-

ڈیٹا کئی ذیلی ضلعوں میں تقسیم کیا گیا ہے. ماڈل کو کچھ ذیلی ضلعوں پر تربیت دی جاتی ہے اور دوسروں پر تقسیم کیا جاتا ہے، تمام صوبوں کے ذریعے اسے ملا کر

ٹرین-بُک سُر

ڈیٹا سیٹ کو دو حصوں میں تقسیم کیا جاتا ہے: ایک تربیت کے لئے اور ایک کا امتحان کے لئے. مڈل کو تربیتی سیٹ پر تربیت دی جاتی ہے اور اس امتحان کے اعداد و شمار کو جاننے کے لئے اس کی کارکردگی کا اندازہ لگانے کے لئے اس کی کارکردگی کو جانچنے کے لئے

کُنَّا

یہ آلات نمونے کی درستی اور بہتر راہنمائی فراہم کرنے کیلئے بصیرت فراہم کرتے ہیں اور راہنمائی فراہم کرتے ہیں ۔