مشین سیکھنے کے ماڈلوں میں کمی بہت ضروری ہے ، اِس تربیت کو عمل میں لانے کے لئے ہدایات دی گئی ہیں اور پھر اِس میں بتائی گئی باتوں اور سچے لیبلوں کے درمیان فرق کو واضح کِیا گیا ہے ۔

نقصاندہ کاموں کا کردار سمجھنا

( ۱ - تیمتھیس ۵ : ۸ ) ایسے کام جن میں تربیت کے دوران ماڈلوں کو استعمال کرنا ہوتا ہے وہ اُن کے کام کو متاثر کرتے ہیں ۔

فریب‌بازی کے اُصول

مؤثر عادتوں کو عمل میں لانا چاہئے اور مختلف قسم کی غلطیوں کو اس طرح سے دیکھنا چاہئے کہ وہ آواز ، کلاس کی کمزوری اور تعبیر کی اہمیت کو ظاہر کرنے کے قابل ہیں ۔

اصلاحی سرگرمی

دستوری کمیت کی تقریب میں ایک ایسا عمل شامل ہے جس میں کمی کی گئی قیمت کو یقینی بنایا گیا ہے جو ماڈل پیشینگوئیوں اور حقیقی لیبلز کی طرح ہے۔TonsorFlow یا Py Torch کی طرح یہ عمل نئے عمل یا کلاس بنا کر اسے یقینی بنایا جا سکتا ہے۔ نمونے کے ڈیٹا پر عمل پیرا ہونے سے پہلے اسے درست کرنے میں مدد ملتی ہے۔

خاص طور پر تباہ‌کُن نتائج کی مثالیں

  • Focal کھوسہ: [1] غیر واضح کلاس بندی کے لیے منصوبہ بندی، یہ سخت گیر-دو-تکی مثالوں پر زور دیتا ہے۔
  • IoUss: [1] چیز میں استعمال کیا جاتا ہے تاکہ وہ انتہائی ترقی یافتہ میٹرک کو براہ راست استعمال کریں۔
  • کوانٹرس کو نقصان : ایسے جوڑوں کے درمیان فاصلہ طے کرنے اور ان کے درمیان تصادم کرنے والے درمیان فاصلہ سیکھنے سے فیکلٹی سیکھنا سیکھتے ہیں۔
  • Custom Regression کھونے: مسلسل پیش گوئیوں میں انحراف کے لیے کارپوریٹ ڈومین کی کارروائی۔