دا معلومول چې ایا د ماشین زده کړې ماډل په سمه توګه روزل شوی د ماډل پراختیا پروسې یو مهم اړخ دی. پداسې حال کې چې دقت د ماډل د فعالیت ارزولو کې یو مهم میټریک (یا حتی کلیدي میټریک) دی، دا د ښه روزل شوي ماډل یوازینی شاخص ندی. د 90٪ څخه پورته دقت ترلاسه کول د ماشین زده کړې ټولو دندو لپاره یو نړیوال حد ندی. د دقت د منلو وړ کچه کیدای شي د ځانګړې ستونزې په پام کې نیولو سره توپیر ولري.
دقت یوه اندازه ده چې موډل څو ځله د ټولو وړاندوینو څخه سمې وړاندوینې کوي. دا د سم وړاندوینو شمیر په توګه محاسبه کیږي چې د وړاندوینو ټول شمیر لخوا ویشل شوي. په هرصورت، یوازې دقت ممکن د ماډل فعالیت بشپړ انځور چمتو نکړي، په ځانګړې توګه په هغه حالتونو کې چې ډیټاسیټ غیر متوازن وي، پدې معنی چې د هر ټولګي د مثالونو په شمیر کې د پام وړ توپیر شتون لري.
د دقت سربیره، د ارزونې نور معیارونه لکه دقت، یادول، او F1 نمرې معمولا د ماشین زده کړې ماډل فعالیت ارزولو لپاره کارول کیږي. دقیقیت د ټولو مثبت وړاندوینو څخه د ریښتیني مثبت وړاندوینو تناسب اندازه کوي، پداسې حال کې چې یادول د ټولو ریښتیني مثبتو وړاندوینو څخه د ریښتیني مثبت وړاندوینو تناسب محاسبه کوي. د F1 سکور د دقیقیت او یادولو هارمونیک وسیله ده او د دوه میټریکونو ترمنځ توازن چمتو کوي.
دا اړینه ده چې د ستونزې ځانګړي اړتیاوې په پام کې ونیسئ کله چې دا معلومه کړئ چې ایا ماډل په سمه توګه روزل شوی. د مثال په توګه، د طبي تشخیص په دنده کې، د درست وړاندوینې ډاډ ترلاسه کولو او د غلط تشخیص څخه مخنیوي لپاره د لوړ دقت ترلاسه کول خورا مهم دي. له بلې خوا، د درغلیو د کشف په سناریو کې، د امکان تر حده د ډیری درغلۍ قضیې نیولو لپاره، حتی د ځینو غلط مثبتو په قیمت کې، لوړ یادول خورا مهم دي.
سربیره پردې ، د ماډل فعالیت باید نه یوازې د روزنې ډیټا باندې ارزول شي بلکه د دې د عمومي کولو وړتیاو ارزولو لپاره د جلا اعتبار ډیټا سیټ باندې هم ارزول کیږي. اوور فټینګ، چیرې چې ماډل د روزنې ډیټا کې ښه فعالیت کوي مګر په نه لیدل شوي ډیټا کې ضعیف ، د اعتبار میټریکونو له لارې کشف کیدی شي. تخنیکونه لکه د کراس تایید کولی شي د اضافي فټینګ کمولو کې مرسته وکړي او د ماډل فعالیت خورا قوي ارزونه چمتو کړي.
پداسې حال کې چې دقت د ماډل د فعالیت کلیدي شاخص دی، دا اړینه ده چې نور میټریکونه لکه دقت، یادولو، او F1 سکور، او همدارنګه د ستونزې ډومین ځانګړي اړتیاوې په پام کې ونیسئ. د دقت لپاره هیڅ ټاکلی حد شتون نلري چې په نړیواله کچه پلي کیږي، او د ماډل ارزونه باید هراړخیز وي، د مختلفو میټریکونو او اعتبار تخنیکونو په پام کې نیولو سره د ریښتینې نړۍ غوښتنلیکونو کې د هغې اغیزمنتوب ډاډمن کړي.
په اړه نورې وروستۍ پوښتنې او ځوابونه EITC/AI/GCML د ګوګل بادل ماشین زده کړه:
- متن ته وینا (TTS) څه شی دی او دا څنګه د AI سره کار کوي؟
- د ماشین زده کړې کې د لوی ډیټاسیټونو سره کار کولو محدودیتونه څه دي؟
- ایا د ماشین زده کړه یو څه ډیالوژیکي مرسته کولی شي؟
- د TensorFlow د لوبې ډګر څه شی دی؟
- لوی ډیټاسیټ واقعیا څه معنی لري؟
- د الګوریتم د هایپرپرامیټرونو ځینې مثالونه څه دي؟
- د انسابل زده کړه څه ده؟
- څه که چیرې د ماشین زده کړې الګوریتم غوره نه وي او څنګه کولی شي ډاډ ترلاسه کړي چې سم انتخاب کړئ؟
- ایا د ماشین زده کړې ماډل د روزنې پرمهال څارنې ته اړتیا لري؟
- د عصبي شبکې پر بنسټ الګوریتم کې کارول شوي کلیدي پیرامیټونه کوم دي؟
نورې پوښتنې او ځوابونه په EITC/AI/GCML د ګوګل کلاوډ ماشین زده کړې کې وګورئ