पूर्वानुमानात्मक AI: कार्य तय करें और त्रुटियाँ मापें

पूर्वानुमान डेटा और धारणाओं पर आधारित अनुमान है, परिणाम का वादा नहीं। किसी अवलोकन का वर्गीकरण और भविष्य के मान का अनुमान अलग कार्य हैं।

मूल्यांकन का विषय तय करें

लक्षित समूह, लक्ष्य चर, समय सीमा और प्रस्तावित निर्णय स्पष्ट करें। स्कोर आवश्यक रूप से अच्छी तरह अंशांकित प्रायिकता नहीं होता। स्वतंत्र मूल्यांकन डेटा अलग रखें; उसे प्रशिक्षण, पूर्वप्रसंस्करण फिट करने या मॉडल चुनने में उपयोग न करें।

केवल प्रतिशत नहीं, त्रुटियाँ पढ़ें

नीचे के काल्पनिक उदाहरण में सीमा स्थिर है: वास्तव में धनात्मक 200 मामलों में से 80 पहचाने गए और 120 छूट गए। इसलिए 86 प्रतिशत सही वर्गीकरण का अर्थ अधिकांश धनात्मक मामलों की पहचान नहीं है।

परिणामों के अनुसार सीमा चुनें

प्रिसीजन धनात्मक पूर्वानुमानों में वास्तविक धनात्मक मामलों का अनुपात है; रिकॉल वास्तविक धनात्मक मामलों में पहचाने गए मामलों का अनुपात है। सीमा बदलने से दोनों बदल सकते हैं। समान समूह पर तुलना करें और गलत चेतावनियों तथा छूटे मामलों की लागत देखें।

स्रोत और सत्यापन

1 नवंबर 2026 को सत्यापित

• Google — Classification: Accuracy, recall, precision
• scikit-learn — Probability calibration
• scikit-learn — Common pitfalls