ML समस्याओं के प्रकार: सुपरवाइज़्ड (लेबल किए उदाहरण), अनसुपरवाइज़्ड (बिना लेबल) और रीइन्फोर्समेंट लर्निंग के बीच बुनियादी अंतर।
आगे
कॉस्ट फ़ंक्शन और लॉस: वह अकेली संख्या जिसे मॉडल ट्रेनिंग के दौरान कम करने की कोशिश करता है, जो यह दिखाने के लिए चुनी जाती है कि उसकी भविष्यवाणियाँ कितनी गलत हैं।
बायस-वेरिएंस ट्रेडऑफ़: बहुत सरल मॉडल में बायस ज़्यादा होता है (अंडरफ़िट); बहुत लचीले में वेरिएंस ज़्यादा (ओवरफ़िट), और दोनों को एक साथ कम नहीं किया जा सकता।
रिग्रेशन मूल्यांकन मेट्रिक्स: यह मापने के तरीके कि मॉडल की निरंतर भविष्यवाणियाँ कितनी दूर हैं, कच्ची एरर साइज़ से लेकर वह कितनी वेरिएंस समझाता है तक।
संबंधित टॉपिक्स
रिग्रेशन मूल्यांकन मेट्रिक्स: यह मापने के तरीके कि मॉडल की निरंतर भविष्यवाणियाँ कितनी दूर हैं, कच्ची एरर साइज़ से लेकर वह कितनी वेरिएंस समझाता है तक।
बायस-वेरिएंस ट्रेडऑफ़: बहुत सरल मॉडल में बायस ज़्यादा होता है (अंडरफ़िट); बहुत लचीले में वेरिएंस ज़्यादा (ओवरफ़िट), और दोनों को एक साथ कम नहीं किया जा सकता।