مؤثر مشین سیکھنے کے ماڈل بنانے کے لئے مناسب غلطی میٹرک اور ہارنے کا عمل لازمی ہے. یہ میٹرکس اس بات کا اندازہ لگانے میں مدد کرتے ہیں کہ تربیت کے دوران ایک ماڈل کس طرح اچھی کارکردگی اور اس کی رہنمائی کرتا ہے۔
سمجھداری سے کام لینے میں کوتاہی
خامی میٹرکس اسکیپد کے درمیان میں ہونے والی تفریق کو یقینی بناتے ہیں . یہ کسی ماڈل کی درستی اور قابل اعتمادی میں بصیرت فراہم کرتے ہیں. عام میٹرکس میں غیر ضروری خامی (MAE)، ایم ایس ای (MSE)، اور روٹ ایم ایم ایس ایم اے (ME) غلطی (RME) شامل ہیں۔
حق کھو دینے کا حق کھو دینا
کھونے کا انتخاب مسائل کی نوعیت اور مطلوبہ نتائج پر منحصر ہوتا ہے۔مس ای او ایم کے لیے عام طور پر مقبول ہیں۔ کلاس روم کی طرح کام کرنے کے لیے کام بھی استعمال ہوتے ہیں۔
نقصاندہ نقصاندہ
کمیت کی ایک تقریب کا موازنہ حقیقی لیبل سے ماڈل کی پیش گوئیوں سے کرنا شامل ہے۔مثلاً، ایم ایس ای کو پیشینگوئی اور حقیقی اقدار کے درمیان مربع اختلافات کو ظاہر کرنے سے حساب دیا جاتا ہے:
[MSE = qin] [y پروڈیوس - Y ][2]]]]] ایک بھارتی بالی وڈ اداکارہ ہے۔
اسی طرح کراس-ٹرپی نقصان دو امکان تقسیمات کے درمیان فرق کا اندازہ لگا دیتا ہے، اکثر کلاسکی سرگرمیوں میں استعمال ہوتا ہے۔
سانچہ:ابتدائی ترتیب:
مناسب غلطی میٹرک اور ہارنے کی تقریب کا انتخاب کرنا ماڈل کارکردگی کے لیے ضروری ہے. ان میٹرکس کو شمار کرنے میں مدد دینے اور مشین سیکھنے کے ماڈل کو مؤثر طریقے سے بہتر بنانے میں مدد ملتی ہے۔