مشین سیکھنے کے ماڈلوں کا جائزہ لینا کیسے ضروری ہے مؤثر الجبرا کو ترقی دینے کے لیے دو عام میٹرکس درست اور درست ہیں۔یہ میٹرکس ایسے ہیں کہ جن سے یہ معلوم ہوتا ہے کہ ایک ماڈل کس طرح دیے گئے ڈیٹا سیٹ پر چلتا ہے۔
ماڈل ایکسورنسی کیا ہے ؟
اِس کی ایک مثال اِس بات کی ہے کہ اِس کی پیشگوئیوں کی تعداد میں فرق فرق ہے ۔
درستی کا فارمولا یہ ہے:
[Acuray = (mber of Properience Prefecture) / (Total Presct)]۔
جب ڈیٹا سیٹ متوازن کلاسیں ہو تو ایکسورسی مفید ہوتا ہے لیکن اگر کلاسوں کو غیر متوازن بنایا جائے تو یہ غلط ثابت ہو سکتا ہے۔
یسوع مسیح نے کہا : ” اَے میرے بیٹے !
اس سے ظاہر ہوتا ہے کہ پیشینگوئیوں کے کتنے مثبت معاملے مثبت ہوتے ہیں ۔
غیر فعال کا فارمولا یہ ہے:
پریبل = (اصل مثبت مثبت) / (اصل مثبت مثبت مثبت مثبت)]
اعلیٰترین بات یہ ہے کہ جب نمونے مثبت پیشینگوئی کرتا ہے تو عموماً درست ہوتا ہے ۔
ان میٹرکز کو کیسے ترتیب دیا جا سکتا ہے۔
درست اور درست حساب کرنے کے لئے آپکو ایک ایسی چیز کی ضرورت ہے جس کی بابت پیشینگوئیوں کے نتائج چار اقسام میں : حقیقی مثبت ، حقیقی مثبت ، غلط مثبت اور غلط منفی ۔
جب آپ کے پاس ان اقدار ہیں، ان کو میٹرکس کے حساب سے حساب کرنے کے لئے فارمولوں میں تبدیل کر دیں۔ بہت سے مشین سیکھنے کی لائبریریوں جیسے کہ اسکائیٹ-اے-اے-
- مُلک
- حقیقی مثبت (TP)
- غلط مثبت (FP)
- حقیقی منفی ( ٹی این )
- غلط منفی (FN)