[1]. Ocr tizimlari haqida gapirib bering?

 
[97]. Funktsiyalarni solishtirish uchun qanday ko'rsatkichdan 
foydalanish mumkin? 
Funktsiyalarni solishtirish uchun ishlatilishi mumkin bo'lgan bir nechta 
ko'rsatkichlar mavjud, jumladan: O'rtacha kvadrat xato (MSE): Bu ikki 
funktsiya o'rtasidagi farqni solishtirish uchun tez-tez ishlatiladigan 
ko'rsatkichdir. U bashorat qilingan qiymatlar va haqiqiy qiymatlar 
o'rtasidagi kvadratik farqning o'rtacha qiymatini o'lchaydi.O'rtacha 
mutlaq xato (MAE): Yana bir mashhur ko'rsatkich, u bashorat qilingan 
qiymatlar va haqiqiy qiymatlar o'rtasidagi mutlaq farqning o'rtacha 
qiymatini o'lchaydi.O'rtacha kvadratcha xatosi ( RMSE): Bu indikator MSE 
ning kvadrat ildizidir, bu uni sharhlashni osonlashtiradi, chunki u asl 
ma'lumotlar bilan bir xil birliklarga ega. R-kvadrat: Determinatsiya 
koeffitsienti sifatida ham tanilgan, u funktsiyani qanchalik yaxshi 
tushuntirayotganini o'lchaydi. ma'lumotlardagi tafovutlar. Chalkashlik 
matritsasi: Bu ko'rsatkich tasniflash modelining ishlashini baholash uchun 
ishlatiladi, u bashorat qilingan teglarni haqiqiy teglar bilan solishtiradi, u 
sizga haqiqiy ijobiy, haqiqiy salbiy, noto'g'ri musbat va kabi ma'lumotlarni 
berishi mumkin. noto'g'ri negativlar.Precision va Recall: Bu ko'rsatkichlar 
ikkilik tasniflash modelining ishlashini baholash uchun ishlatiladi. Aniqlik 
barcha ijobiy bashoratlar orasida haqiqiy ijobiy bashoratlarning ulushini 
o'lchaydi, eslab qolish esa barcha haqiqiy ijobiy holatlar orasida haqiqiy 
ijobiy bashoratlarning ulushini o'lchaydi. Ushbu ko'rsatkichlar turli 
funktsiyalarning ishlashini taqqoslash va muayyan vazifa uchun eng 
yaxshisini tanlash uchun ishlatilishi mumkin. Ko'rsatkichni tanlash aniq 
vazifa va tahlil maqsadlariga bog'liq. 
 
[98]. k-eng yaqin qo'shni usuli 
k-eng yaqin qo'shni (k-NN) usuli - bu mashinani o'rganishda misolga 
asoslangan o'rganish algoritmining bir turi. Bu parametrik bo'lmagan usul 
bo'lib, u ma'lumotlarning asosiy ehtimollik taqsimoti haqida hech qanday 
taxminlar qilmaydi. k-NN usulining asosiy g'oyasi shundaki, ob'ekt o'zining 
k eng yaqin qo'shnisining ko'pchilik ovozi bilan tasniflanadi, bu erda k 
musbat sondir. Ob'ektga k eng yaqin qo'shnilari orasida eng keng 
tarqalgan sinf yorlig'i beriladi. k-NN algoritmi yorliqli misollar to'plami 
yordamida o'rgatiladi. Yangi ob'ektni tasniflash uchun algoritm o'quv 
to'plamidan k eng yaqin misollarni topadi va ular orasida eng keng 
tarqalgan sinf belgisini yangi ob'ektga belgilaydi. k-NN usulining asosiy 
afzalliklaridan biri uning soddaligidir. Uni tushunish va amalga oshirish 
oson va u ma'lumotlarning asosiy ehtimollik taqsimoti haqida hech 
qanday taxminlarni talab qilmaydi. k-NN usuli tasvirni tasniflash, nutqni 
aniqlash va anomaliyalarni aniqlash kabi keng ko'lamli ilovalarda 
qo'llanilgan. Biroq, k-NN usulining asosiy kamchiliklaridan biri, ayniqsa, 
o'quv majmuasi katta bo'lsa, hisoblash qimmat bo'lishi mumkin. Bundan 
tashqari, k-NN usuli k qiymatini tanlashga sezgir bo'lib, bu tasniflagichning 
aniqligiga ta'sir qilishi mumkin. Umuman olganda, k-yaqin qo'shni usuli 
oddiy, ammo kuchli, mashinani o'rganish algoritmi bo'lib, u turli 
ilovalarda keng qo'llaniladi. Uning afzalliklari va kamchiliklari bor, lekin u 
tasniflash muammolarini hal qilish uchun foydali vosita bo'lishi mumkin.