کراس کراس ایک ایسے طریق کار ہے جو مشین سیکھنے کے ماڈلز کی کارکردگی کا تجزیہ کرنے کے لیے استعمال ہوتا ہے. اس میں مدد کی جاتی ہے کہ کس طرح ایک ماڈل جنرل کو خفیہ اعداد کے لیے بہتر بنایا گیا ہے. ٹھیک ڈیزائن اور حساب کرنا بہت ضروری ہے قابل اعتماد نتائج حاصل کرنے اور ان سے بچنے کے لیے

کراس-وادی کا بنیادی اصول

کراس کی جانبداری میں ڈیٹا کو زیریں حصوں میں تقسیم کرنا، کچھ ذیلی حصوں پر ماڈل کی تربیت کرنا اور اسے دوسروں پر آزمایا کرنا شامل ہے۔اس عمل سے نئے اعداد و شمار پر ماڈل کی کارکردگی کا اندازہ لگایا جاتا ہے۔جن میں سب سے عام طریقہ کار کُل کراس ہے، جہاں ڈیٹا کو برابر حصوں میں تقسیم کیا جاتا ہے۔

ڈیزائن کی تجاویز

صحیح پیرامیٹرز کا تعین کرنا ضروری ہے۔ حسابِ ابجد (k) پر اثرانداز ہونے والے اجزا کی تعداد اختلاف اور اختلاف۔ ایک سے زیادہ قے میں تفریق کم ہوتی ہے مگر کمی بیشی وقت میں اضافہ ہوتا ہے ۔ عام طور پر ، ق 5 یا 10 کو متوازن نتائج کے لیے ترتیب کے مطابق ترتیب دیا جاتا ہے ۔

مثبت نتائج کیلئے ترتیب

تمام مدارس میں اوسط کارکردگی میٹرک کو مجموعی طور پر ایک اندازے سے ترتیب دیا جاتا ہے۔اس کے علاوہ معیاری رد عمل کو ماڈل کی کارکردگی کی عدم موجودگی پر بصیرت فراہم کرتا ہے۔اس سے ماڈل کی استحکام سمجھنے میں مدد ملتی ہے۔

  • اعداد کو K کے برابر حصوں میں تقسیم کریں
  • K-1 حصوں پر ٹرین، باقی حصہ پر ٹیسٹ کرو
  • تمام قِسم کے حصوں کے لیے مختص
  • کیلکاتات کا مطلب اور معیاری رد عمل کارکردگی میٹرکس ہے۔