ڈیٹا نارمل بنانا مشین سیکھنے میں ایک اہم قدم ہے جو ماڈل کاری کے عمل کو بہتر بنانے کے لیے خصوصیات کے پیمانے کو درست کر سکتا ہے۔مختلف عوامل کو بہتر بنانے کے طریقے الجبرا کی درستی اور کارکردگی کو نمایاں طور پر متاثر کر سکتے ہیں۔ان طریقوں کو سمجھنے سے مخصوص اعداد و شمار اور ماڈلوں کے لیے مناسب تکنیک کا انتخاب کرنے میں مدد مل سکتی ہے۔
عام ڈیٹا عام طور پر تکنیکوں کی مدد سے
مشین سیکھنے میں کئی عام طور پر استعمال ہونے والے طریقوں کو وسیع پیمانے پر استعمال کیا جاتا ہے، ہر ایک کی الگ خصوصیات ہوتی ہیں۔ انتخاب کا انحصار ڈیٹا تقسیم اور الموت کے تقاضوں پر ہوتا ہے۔
- [1] منی-مکس سکیلنگ: کسی ٹھوس فضاء میں ری چارج خصوصیات، عام طور پر [0، 1]۔ یہ باہرداروں کے لیے حساس ہوتی ہے۔
- Z-Score comm ⁇ eeation: معیاری خصوصیات رکھنے والی خصوصیات جن کا مطلب 0 اور عام طور پر تقسیم شدہ اعداد کے لیے معیارِ انحراف 1. Suitab کے لیے مخصوص ہے۔
- Robost Skling: استعمال کرنے والے اور آپس میں ٹکرانے والی فضاء کو استعمال کرتے ہوئے اسے خارج کرنے کے لیے تیار کیا جاتا ہے۔
- Maxabs Skling: [1] [1, 1] حدیث میں حد درجہ مقدار پر مبنی حدیثی مقدار، حدیث اعداد کے لیے مفید ہے۔
مشین سیکھنا ماڈلز پر مبنی
عام طور پر یہ تاثر دیتا ہے کہ کس طرح الموت کو ڈیٹا سے سیکھا جاتا ہے۔کل پاس والے پڑوسیوں اور وکٹر مشینوں کی مدد سے توازن کو بہتر بنانے کے لیے حساس ہوتے ہیں اور نارمل طریقے اپنا درست ہونا ممکن ہے.
یہ معلومات کو پوشیدہ رکھنے والے اعدادوشمار کی بابت مناسب حد تک بہتر بنانے میں بھی مدد کر سکتی ہے ۔