ماڈل درستی ایک کلیدی میٹرک ہے مشین سیکھنے کے ماڈلز کی کارکردگی کو بڑھانے میں۔ اس سے اندازہ ہوتا ہے کہ ماڈل کی پیشگوئیاں کس طرح حقیقی نتائج سے مطابقت رکھتی ہیں۔مختلف میٹرک اور طریقہ کار کو سمجھنے میں خاص کاموں کے لیے بہترین ماڈل منتخب کرنے میں مدد دیتی ہیں۔
ایکشن کو سمجھنا
اعدادوشمار کی پیمائش کے سلسلے میں معلومات کی کل تعداد میں درستی کی شرح ہے اور زیادہ مؤثر ہونے کے باوجود یہ اعدادوشمار کو متوازن بنانے کے لیے بڑی آسانی سے استعمال ہو سکتی ہے ۔
ماڈل ایوارڈ کے لئے عام میٹرکس
درست ہونے کے علاوہ دیگر میٹرکس ماڈل کی کارکردگی کا مزید تفصیلی جائزہ فراہم کرتا ہے:
- پریبل: تمام مثبت پیشینگوئیوں میں حقیقی مثبت پیشینگوئیوں کا تعین۔
- [FLT:] حقیقی مثبتات کی پیمائش تمام حقیقی مثبتات سے معلوم ہوتی ہے۔
- F1 سکور: [1]، دو میٹرکس کو حل کرنے کے لیے، دو کو بہتر بنانے اور یاد کرنے کے لیے Harticon کا مطلب ہے۔
- Consconsed Matrix: ایک میز جو حقیقی مثبت، غلط مثبت، سچے منفی اور غلط منفی ظاہر کرتی ہے۔
ایک خاص قسم کی بیماری
درستی میں صحیح بیانکردہ پیشینگوئیوں کی تعداد کو تقسیم کرنا شامل ہے ۔
- ضبط شدہ (cultout Valley) : [1] ڈیٹا کو تربیت اور جانچنے کے لیے ترتیب دینے کے لیے اپ لوڈ کیا جاتا ہے۔
- Cross-Validation: ڈیٹا کو مختلف ذیلی علاقوں میں تقسیم کرنے کے لیے مختلف ذیلی اداروں میں شامل کیا جاتا ہے۔
- ] Bootstruction: سملنگ کے ساتھ ساتھ ماڈل نمائش کا اندازہ لگانے کے لیے.