مشین سیکھنے کے ماڈلوں کی کارکردگی کو حقیقی دنیا بھر کے اطلاق میں ان کی کارکردگی کا تعین کرنا بہت ضروری ہے۔مریخ اور حسابات کو سمجھنے میں مدد کی ضرورت ہے کہ ایک ماڈل کے نتائج کس طرح اچھے ہیں اور کہاں بہتری کی ضرورت ہے۔
عام پرفارمنس میٹرکس
کئی میٹرکس کو ماڈلنگ کے لیے استعمال کیا جاتا ہے، اس طرح کے مسائل کی نوعیت کا تجزیہ کیا جاتا ہے۔کلسیشن کے لیے، درستی، درستی، قابل ذکر، یاد دہانی اور ایف اے 1 سکور عام طور پر استعمال کیا جاتا ہے۔
کیلککینگ میٹرک
میٹرکس نمونے کی پیش گوئیوں اور حقیقی نتائج پر مبنی ہیں مثال کے طور پر درستی کا پیمانہ ہے مکمل پیشینگوئیوں کے لیے درستی کی گئی ہے۔پری پیمائش سے معلوم ہوتا ہے کہ حقیقی مثبت مثبتات میں حقیقی مثبت کی پیمائش کی گئی ہے جبکہ یاد رہے کہ حقیقی مثبتات میں شناخت شدہ حقیقی مثبتات کے تعین کردہ حقیقی مثبتات کی پیمائش کی گئی ہے۔
ایم اے اے کی بنیادوں پر موجود میٹرکس جیسے کہ مجوزہ طور پر پیشینگوئی اور حقیقی اقدار کے درمیان اوسط مکمل فرق کا اندازہ لگائیں، ان میں حقیقتوں کو سمجھنے میں بصیرت فراہم کی گئی. R-quareded اس بات کی نشان دہی کرتا ہے کہ نمونے کی جانب سے بیان کردہ فرق کی وضاحت کی گئی ہے۔
عملی نتائج
میٹرکس میں مسئلے کے پس منظر کو سمجھنے میں شامل ہے۔اس کی درستی غیر مستحکم اعداد و شمار میں گمراہی ہوسکتی ہے، جہاں دیگر میٹرک جیسے کہ غیر واضح اور یاد گار ہوتے ہیں.
مزید معاملات پر غور کریں
- معلومات کی خوبی اور پیشگی جانچ
- زیادہ سے زیادہ اور زیرِزمین
- ماڈل پیچیدگی
- انتقالِخون کی تکنیک