جب ایک کلاس میں دوسروں کو غیرضروری طور پر نظرانداز کِیا جاتا ہے تو وہ کم کلاسوں میں ناقص کارکردگی کا باعث بن سکتے ہیں ۔
سمجھداری سے کام لینے والے معلومات
مثال کے طور پر ، فریببندی کرنے والے اشخاص کو غلط معلومات دینے کی طرف مائل کرنے کی بجائے اسے مؤثر طریقے سے استعمال کرنے کی کوشش کرنی چاہئے ۔
ڈیٹا-لیول ٹیکنیکز
ڈیٹا سطح کی تکنیکوں میں تبدیلی کلاس کی تقسیم کے لیے اعداد و شمار کی تقسیم۔ عام طریقوں میں شامل ہیں:
- پراکرت:، ایک عددی کلاس کی تعداد کو بڑھا کر اکثر ایسٹیٹیاے جیسی تکنیک استعمال کرتے ہیں ۔
- اکثریتی کلاس کو کم کلاس سائز سے میچ کرنے کے لئے دوبارہ منظم کیا۔
- ] عطاٹا ایوجیشن:] کو تشکیل دینے کے لیے نئے ناول تخلیق کرنا تاکہ محدود کلاس نمائندگی میں اضافہ کیا جا سکے۔
الورۃ النجم-لویل اسٹریٹجکس (Algorithem-Level Strategies)۔
سیکھنے کے لیے الجبرا کو کلاس کی طرف سے بھی استعمال کیا جا سکتا ہے ۔
- Cost-senistive and sency: زیادہ سے زیادہ غلط قیمتوں کو کم کلاس کی غلطیوں میں حل کرنا۔
- Adexing class وزن: مڈل ٹریننگ کے دوران کلاسوں کی اہمیت کو یقینی بنانے کے لیے.
- Ensemble طریقوں : کو کم عمر طبقے کی بہتری کے لیے کئی ماڈلنگ۔
میٹرکس
غیر فعال اعداد و شمار پر مناسب میٹرک استعمال کرنا ماڈل کی کارکردگی کے لیے ضروری ہے۔عام میٹرکس شامل ہیں:
- پریمیئر:]] پیشینگوئیی مثبتات میں حقیقی مثبتات کا تناسب۔
- [FLT:] اصل مثبتات کی پیمائش درست معلوم ہوتی ہے۔
- F1 سکور: [1] ایک حدیث کے معنی ہیں نابغہ اور یاد گار۔
- [AUC-ROC:] کلاسز میں فرق کرنے کے لیے ماڈل کی صلاحیت کا اندازہ لگایا جاتا ہے۔