مشین سیکھنے کے ماڈل کی متوقع عمومی غلطی کو سمجھنے کے لیے نا معلوم اعداد پر اس کی کارکردگی کو جانچنا ضروری ہے. اس سے اندازہ ہوتا ہے کہ ماڈل نئے اعداد و شمار کی پیشینگوئی کیسے کرتا ہے اور بہترین ماڈل کی حامل منتخب کرنے میں مدد کرتا ہے۔

عام طور پر غلطی کیا ہے ؟

عمومی طور پر ہونے والی غلطی نئے، نامعلوم اعداد و شمار پر ہونے والی غلطیوں کے بارے میں فرق ہے یہ ظاہر کرتا ہے کہ ماڈل جنرلز نے اس پر تربیت یافتہ اعداد و شمار سے کس طرح اچھی طرح کام کیا۔

غلطی کا انتظار کرنے کیلئے کولکاتا سے رابطہ

متوقع عمومی غلطی کا اندازہ لگانے کے لیے کئی طریقے موجود ہیں جن میں صلیبی مداخلت، بوٹسسسسسپٹ اور تھیریکل حدود شامل ہیں۔ہر رسائی میں ڈیٹا سیٹ اور ماڈل پیچیدگی پر انحصار کرنے والے اس کے فوائد اور حدود موجود ہیں۔

کراس-ولٹ استعمال کرتے ہوئے

کراس آف لائن میں ڈیٹا کو کئی ذیلی ضلعوں میں تقسیم کرنا، کچھ صوبوں پر ماڈل کی تربیت کرنا اور دوسروں پر جانچنا شامل ہے۔تمام ٹیسٹوں میں اوسط غلطی ماڈل کی عمومی غلطی کا اندازہ فراہم کرتی ہے۔

تدریسی سرگرمیوں سے نپٹنا

تدریسی حدود مثلاً وی سی تھیوری یا ریڈمچر پیچیدگی سے ماخوذ افراد کو ماڈل کی صلاحیت اور تربیتی ڈیٹا کی وسعت پر مبنی اندازات فراہم کرتا ہے یہ حدود توقع کی رہنمائی کر سکتے ہیں مگر ہوشیار رہ سکتے ہیں۔

  • کراس
  • بوٹ کی نقش‌کاری
  • تدریسی حدود
  • آؤٹ کار