वीडियो: मशीन लर्निंग में सामान्यीकरण त्रुटि क्या है?
2024 लेखक: Lynn Donovan | [email protected]. अंतिम बार संशोधित: 2023-12-15 23:47
पर्यवेक्षित में सीख रहा हूँ में आवेदन मशीन लर्निंग और सांख्यिकीय सीख रहा हूँ सिद्धांत, सामान्यीकरण त्रुटि (आउट-ऑफ-नमूना के रूप में भी जाना जाता है त्रुटि ) इस बात का माप है कि एक एल्गोरिथम पहले के अनदेखे डेटा के परिणाम मूल्यों की भविष्यवाणी करने में कितनी सटीक रूप से सक्षम है।
नतीजतन, मशीन सीखने में सामान्य प्रकार की त्रुटियाँ क्या हैं?
बाइनरी वर्गीकरण समस्याओं के लिए, दो प्राथमिक हैं त्रुटियों के प्रकार . प्रकार 1 त्रुटियों (झूठी सकारात्मक) और प्रकार 2 त्रुटियों (झूठे नकारात्मक)। मॉडल चयन और ट्यूनिंग के माध्यम से यह अक्सर संभव होता है कि एक को घटाते हुए दूसरे को बढ़ाया जाए, और अक्सर किसी को यह चुनना चाहिए कि त्रुटि प्रकार अधिक स्वीकार्य है।
यह भी जानिए, मशीन लर्निंग में क्या है ओवरफिटिंग? मशीन लर्निंग में ओवरफिटिंग एक मॉडल को संदर्भित करता है जो प्रशिक्षण डेटा को बहुत अच्छी तरह से मॉडल करता है। ओवरफिटिंग तब होता है जब कोई मॉडल प्रशिक्षण डेटा में विस्तार और शोर को इस हद तक सीखता है कि यह नए डेटा पर मॉडल के प्रदर्शन को नकारात्मक रूप से प्रभावित करता है।
यह भी पूछा गया कि सामान्यीकरण प्रदर्शन क्या है?
NS सामान्यीकरण प्रदर्शन एक सीखने के एल्गोरिथ्म को संदर्भित करता है प्रदर्शन एल्गोरिदम द्वारा सीखे गए मॉडल के आउट-ऑफ-सैंपल डेटा पर।
वर्गीकरण त्रुटि क्या है?
वर्गीकरण त्रुटि . NS वर्गीकरण त्रुटि इमैं एक व्यक्तिगत कार्यक्रम का i गलत तरीके से वर्गीकृत नमूनों की संख्या पर निर्भर करता है (झूठी सकारात्मक प्लस झूठी नकारात्मक) और सूत्र द्वारा मूल्यांकन किया जाता है: जहां f गलत तरीके से वर्गीकृत नमूना मामलों की संख्या है, और n नमूना मामलों की कुल संख्या है।
सिफारिश की:
आर्टिफिशियल इंटेलिजेंस में मशीन लर्निंग क्या है?
मशीन लर्निंग (एमएल) विज्ञान की वह शाखा है जो एल्गोरिदम और सांख्यिकीय मॉडल के अध्ययन के लिए समर्पित है जिसका उपयोग कंप्यूटर सिस्टम स्पष्ट निर्देशों का उपयोग किए बिना एक विशिष्ट कार्य करने के लिए करते हैं, इसके बजाय पैटर्न और अनुमान पर भरोसा करते हैं। इसे कृत्रिम बुद्धि के सबसेट के रूप में देखा जाता है।
AI और मशीन लर्निंग के क्या फायदे हैं?
संक्षेप में, AI और मशीन लर्निंग ने जिस तरह से हम कार्रवाई योग्य अंतर्दृष्टि उत्पन्न करने के लिए डेटा की शक्ति का उपयोग करते हैं, हमें ब्रांड लक्ष्यों को प्राप्त करने के लिए नए उपकरण प्रदान किए हैं। चाहे हम उच्च वैयक्तिकरण, बेहतर और गहन उपभोक्ता बुद्धिमत्ता, बाजार में उच्च गति, आदि के बारे में बात कर रहे हों
मशीन लर्निंग में वर्गीकरण एल्गोरिदम क्या हैं?
यहां हमारे पास मशीन लर्निंग में वर्गीकरण एल्गोरिदम के प्रकार हैं: रैखिक क्लासिफायर: लॉजिस्टिक रिग्रेशन, नाइव बेयस क्लासिफायर। निकटतम पड़ोसी। समर्थन वेक्टर मशीन। निर्णय के पेड़। बढ़े हुए पेड़। यादृच्छिक वन। तंत्रिका जाल
आप उत्पादन में मशीन लर्निंग मॉडल को कैसे लागू करते हैं?
एक साधारण तकनीकी स्टैक के साथ उत्पादन के लिए अपना पहला एमएल मॉडल तैनात करें स्थानीय सिस्टम पर मशीन लर्निंग मॉडल को प्रशिक्षित करें। अनुमान तर्क को फ्लास्क एप्लिकेशन में लपेटना। फ्लास्क एप्लिकेशन को कंटेनरीकृत करने के लिए डॉकर का उपयोग करना। डॉकर कंटेनर को AWS ec2 इंस्टेंस पर होस्ट करना और वेब-सेवा का उपभोग करना
क्या हम मशीन लर्निंग के लिए जावा का उपयोग कर सकते हैं?
जावा इस डोमेन में एक अग्रणी प्रोग्रामिंग भाषा नहीं है, लेकिन तीसरे पक्ष के ओपन सोर्स लाइब्रेरी की मदद से, कोई भी जावा डेवलपर मशीन लर्निंग को लागू कर सकता है और डेटा साइंस में प्रवेश कर सकता है। आगे बढ़ते हुए, आइए जावा में मशीनलर्निंग के लिए उपयोग की जाने वाली सबसे लोकप्रिय लाइब्रेरी देखें