AI मॉडल का उपयोग करने वाले वेब ऐप्स

आप चाहते हैं कि आपका मॉडल सबसे अच्छा हो, इसलिए आपको इसके प्रदर्शन का मूल्यांकन करने की आवश्यकता है। एक मॉडल के मूल्यांकन में दो सामान्य चर पूर्वाग्रह और विचरण हैं। 

पूर्वाग्रह मॉडल के अनुमानित मूल्य और सही मूल्य के बीच का अंतर है। 

प्रसरण यह है कि अलग-अलग डेटा का उपयोग करने पर भविष्यवाणियां कितनी बदल जाती हैं। 

आप पूर्वाग्रह और विचरण के बीच एक अच्छा संतुलन प्राप्त करना चाहते हैं।

उच्च पूर्वाग्रह -> अंडरफिटिंग।

अंडरफिटिंग तब होती है जब प्रशिक्षण डेटा में शोर के लिए मॉडल बहुत सरल होता है। यह तब हो सकता है जब पर्याप्त डेटा न हो या पर्याप्त सुविधाएँ (कॉलम) न हों, या डेटा में बहुत अधिक शोर हो. यदि कोई मॉडल प्रशिक्षण डेटा और परीक्षण डेटा दोनों पर अच्छा प्रदर्शन नहीं करता है, तो यह अंडरफिटिंग का संकेत देता है।

उच्च विचरण -> ओवरफिटिंग।

ओवरफिटिंग तब होती है जब आप डेटा के एक सेट पर एक मॉडल को प्रशिक्षित करते हैं और यह बहुत अच्छा प्रदर्शन करता है, लेकिन यदि आप इसे नए डेटा के साथ प्रस्तुत करते हैं, तो यह बिल्कुल भी अच्छा प्रदर्शन नहीं करता है। यह तब हो सकता है जब मॉडल अत्यधिक जटिल हो और यह प्रशिक्षण डेटा के बहुत करीब फिट होने की कोशिश करता है। मॉडल प्रशिक्षण डेटा पर बहुत अच्छी तरह से भविष्यवाणी कर सकता है, लेकिन फिर परीक्षण डेटा पर खराब प्रदर्शन करता है।

किसी मॉडल के प्रदर्शन की जांच करने की एक तकनीक क्रॉस-सत्यापन है।

क्रॉस-सत्यापन का अर्थ है अपने मॉडल को कई बार प्रशिक्षित करना, हर बार प्रशिक्षण / परीक्षण डेटा के विभिन्न विभाजनों का उपयोग करना। आपका डेटासेट कई तहों, या सबसेट में विभाजित है। फिर एक गुना सत्यापन या परीक्षण सेट के रूप में आयोजित किया जाता है, और शेष सिलवटों का उपयोग इसे प्रशिक्षित करने के लिए किया जाता है। यह कई बार किया जाता है, इसलिए हर बार प्रशिक्षण और परीक्षण सेट बदल जाते हैं। 

Sciikit-Learn एक मेट्रिक्स लाइब्रेरी भी प्रदान करता है ताकि आप आसानी से अपने मॉडलों के लिए प्रदर्शन स्कोर प्राप्त कर सकें। 

• सटीकता स्कोर = सही भविष्यवाणियां/कुल भविष्यवाणियां
• परिशुद्धता = सही सकारात्मक/(सही सकारात्मक + झूठी सकारात्मक)
• याद = सच सकारात्मक/(सच सकारात्मक + झूठी नकारात्मक)
• F1 स्कोर = (2 x सटीक x रिकॉल)/(सटीक + रिकॉल)
• विशिष्टता = सही नकारात्मक / (सही सकारात्मक + गलत नकारात्मक)
• भ्रम मैट्रिक्स - सच सकारात्मक, सच नकारात्मक, झूठी सकारात्मक और झूठी नकारात्मक गणना दिखाता है

विभिन्न एल्गोरिदम से मैट्रिक्स की जांच करके, आप सबसे अच्छा मॉडल चुन सकते हैं।