مشین سیکھنے کے ماڈلز میں کمی کے عمل اہم اجزاء ہیں. وہ اندازہ کرتے ہیں کہ ایک ماڈل کی پیش گوئیاں حقیقی اعداد و شمار کے عین مطابق کیسے ہوتی ہیں۔ان کی نظریاتی اور عملی عمل آوری کو سمجھنا ماڈل کاری اور انتہائی اطمینان بخش بنانے میں مدد دیتا ہے۔

کیا نقصان‌دہ ہے ؟

ایک کمی عمل درآمدات اور حقیقی اقدار کے درمیان فرق کو یقینی بنانے کا عمل ایک ایسے شماریاتی اقدار فراہم کرتا ہے جو کسی ماڈل کی غلطی کو ظاہر کرتا ہے۔ تربیت کے دوران ماڈلوں کے ذریعے اس غلطی کو کم کرنے کا مقصد یہ ہوتا ہے کہ اس غلطی کو درستی سے بہتر بنایا جائے۔

نقصاندہ نقصان‌دہ چیزوں کی اقسام

  • Meyan Squared غلطی (ME): عام طور پر استعمال ہونے والے کام کے لیے استعمال کیا جاتا ہے، یہ پیشینگوئی اور اصل اقدار کے درمیان اوسط مربع فرق کا حساب دیتا ہے۔
  • Cross-Entropy کھوسہ: کلاسیشن کے مسائل میں استعمال ہونے والی اشیاء، یہ دو امکان تقسیمات کے فرق کا اندازہ کرتی ہے۔
  • Hinge کھوسہ:] Victor مشینوں میں اپریئم کی مدد کرتا ہے، یہ کلاسوں کے درمیان موجود مارجن کو تیز کرنے میں مدد دیتا ہے۔

ورزش میں کمی

زیادہ تر مشین سیکھنے کے فریم ورک عام نقصان کے حساب سے بنے ہوئے کام انجام دیتے ہیں مثلاً پائیتھ کے ٹینسورفل یا پئی ٹورچ میں، ترقی یافتہ کھلاڑی اپنے مخصوص مسئلے کو متوازن رکھنے کے لیے منتخب اور ان کے کام انجام دے سکتے ہیں۔

اگر آپ کسی مسئلے اور ڈیٹا کی خصوصیات پر عمل کریں گے تو آپ کو پتہ چلے گا کہ آپ کے بچے کو تربیت دینے کے لئے کیا کرنا چاہئے ۔