ওভারভিউ

সেভ করা পৃষ্ঠা গুছিয়ে রাখতে 'সংগ্রহ' ব্যবহার করুন আপনার পছন্দ অনুযায়ী কন্টেন্ট সেভ করুন ও সঠিক বিভাগে রাখুন।

MinDiff হল একটি মডেল প্রতিকারের কৌশল যা দুটি বিতরণকে সমান করতে চায়। অনুশীলনে, এটি আপনার ডেটার বিভিন্ন স্লাইস জুড়ে ত্রুটির হারের ভারসাম্য বজায় রাখতে ব্যবহার করা যেতে পারে বন্টনগত পার্থক্যকে শাস্তি দিয়ে।

সাধারণত, আপনি গোষ্ঠী ন্যায্যতা নিশ্চিত করার চেষ্টা করার সময় MinDiff প্রয়োগ করেন, যেমন একটি সংবেদনশীল শ্রেণীর ডেটার একটি স্লাইস এবং একটি ভাল-পারফর্মিং স্লাইসের মধ্যে মিথ্যা পজিটিভ রেট (FPR) বা মিথ্যা নেতিবাচক হার (FNR) এর মধ্যে পার্থক্য হ্রাস করা। ন্যায্যতা মেট্রিক্সের গভীর আলোচনার জন্য, এই বিষয়ে সাহিত্য পর্যালোচনা করুন। 1 2 3

MinDiff কিভাবে কাজ করে?

আমাদের ডেটাসেট থেকে উদাহরণের দুটি সেট দেওয়া হয়েছে, MinDiff দুটি সেটের মধ্যে স্কোর বিতরণে পার্থক্যের জন্য প্রশিক্ষণের সময় মডেলটিকে শাস্তি দেয়। ভবিষ্যদ্বাণী স্কোরের উপর ভিত্তি করে দুটি সেট যত কম আলাদা করা যায়, পেনাল্টি তত কম প্রয়োগ করা হবে।

মডেল প্রশিক্ষণের জন্য ব্যবহার করছে এমন ক্ষতির সাথে একটি উপাদান যোগ করে শাস্তি প্রয়োগ করা হয়। এটি মডেল ভবিষ্যদ্বাণীগুলির বিতরণের পার্থক্যের পরিমাপ হিসাবে বিবেচনা করা যেতে পারে। মডেল ট্রেনিং করার সময়, এটি নীচের গ্রাফে দেখানো হিসাবে, বিতরণগুলিকে কাছাকাছি এনে শাস্তি কমানোর চেষ্টা করে।

MinDiff তুলনা গ্রাফ

MinDiff প্রয়োগ করলে মূল কাজের পারফরম্যান্সের ক্ষেত্রে ট্রেডঅফ আসতে পারে। MinDiff কার্যকর হতে পারে যখন পণ্যের প্রয়োজনের বাইরে কর্মক্ষমতার অবনতি না হয়, তবে MinDiff-এর কার্যকারিতা এবং কার্যকারিতার মধ্যে ভারসাম্য বজায় রাখার সিদ্ধান্তটি পণ্যের মালিকের ইচ্ছাকৃতভাবে নেওয়া উচিত। MinDiff কিভাবে প্রয়োগ করতে হয় তা দেখানোর উদাহরণের জন্য, মডেল রিমিডিয়েশন কেস স্টাডি নোটবুকটি দেখুন।

সম্পদ