غالب سیکھنے میں تربیتی ماڈلز شامل ہیں تاکہ ان ماڈلز کی کارکردگی پر مبنی پیش گوئیوں کو یقینی بنایا جاسکے مختلف درستی اور غلطی میٹرکز کو دوبارہ شروع کیا جاسکے یہ میٹرکس اس بات کا اندازہ لگانے میں مدد کرتے ہیں کہ ماڈل کی پیشینگوئیوں کے نتائج کیسے بہتر ہیں اور کیسے بہتری کے لیے علاقے کی شناخت کی جا سکتی ہے۔

ایک اہم مسئلہ سمجھ لینا

اس میں عام طور پر ایسے کام ہوتے ہیں جنکے نتائج واضح ہوتے ہیں ۔

صحیح اندازے کے مطابق صحیح پیشینگوئیوں کی تعداد کو مجموعی طور پر تقسیم کرنے کے لیے:

[Acuray = (mber of Properience Prefecture) / (Total Presct)]۔

عام غلطی میٹرکس

struction کے کاموں کے لیے، جہاں پیش گوئییں مسلسل اقدار ہیں، غلطی میٹرکس کی بنیاد پر پیشگوئی اور حقیقی اقدار کے فرق کو یقینی بناتے ہیں۔عام میٹرکس میں غیر ضروری خامی (MAE)، ایم ایس اے (ME)، اور روٹ ایم ایس ایم ایم سی ای (ME) غلطی شامل ہیں۔

ان میٹرکس کو درج ذیل شمار کیا جاتا ہے:

  • ]MAE:]] پیشینگوئیی اور حقیقی اقدار کے درمیان میں قطعی اختلافات کا اوسط۔
  • ]MSE:]] پیشینگوئیی اور حقیقی اقدار کے درمیان 1/2 فرق کے درمیان فرق۔
  • RMSE: Square جڑے ایم ایس آئی کی اصل یونٹوں میں غلطی فراہم کرتے ہوئے.

ان میٹرکس کے لیے کم مقدار میں بہتر ماڈل کی کارکردگی کا اشارہ ملتا ہے۔

مشق میں میٹرک

زیادہ تر مشین سیکھنے کی لائبریریاں ان میٹرکس کو حساب دینے کے کام مہیا کرتی ہیں مثلاً پائیتھ کی اسکیکیٹ-کریول لائبریری میں کام کرنے والی لائبریری ، ، اور عام طور پر استعمال کی جاتی ہیں۔

کام کی نوعیت پر مبنی مناسب میٹرک کا انتخاب کرنا ضروری ہے— کلاس بندی یا تناسب—اور ماڈل تجزیے کے مخصوص مقاصد۔