# புதிய SVR மாடல்

## வழிமுறைகள் [^1]

நீங்கள் SVR மாடலை உருவாக்கிய பிறகு, புதிய தரவுகளுடன் ஒரு புதிய மாடலை உருவாக்குங்கள் (ட்யூக் பல்கலைக்கழகத்தின் [இந்த தரவுத்தொகுப்புகளை](http://www2.stat.duke.edu/~mw/ts_data_sets.html) முயற்சிக்கவும்). உங்கள் பணியை ஒரு நோட்புக்கில் குறிக்கவும், தரவையும் உங்கள் மாடலையும் காட்சிப்படுத்தவும், மற்றும் சரியான வரைபடங்கள் மற்றும் MAPE-ஐப் பயன்படுத்தி அதன் துல்லியத்தை சோதிக்கவும். மேலும், பல்வேறு ஹைப்பர்பாராமீட்டர்களை மாற்றவும், மற்றும் டைம்ஸ்டெப்களுக்கான வெவ்வேறு மதிப்புகளைப் பயன்படுத்தவும் முயற்சிக்கவும்.

## மதிப்பீட்டு அளவுகோல் [^1]

| அளவுகோல் | சிறந்தது                                                    | போதுமானது                                                  | மேம்பாடு தேவை                   |
| -------- | ------------------------------------------------------------ | --------------------------------------------------------- | ----------------------------------- |
|          | ஒரு நோட்புக் SVR மாடல் உருவாக்கப்பட்டு, சோதிக்கப்பட்டு, காட்சிப்படுத்தப்பட்டு, மற்றும் துல்லியம் குறிப்பிடப்பட்டு வழங்கப்படுகிறது. | வழங்கப்பட்ட நோட்புக் குறிக்கப்படவில்லை அல்லது பிழைகள் உள்ளன. | ஒரு முழுமையற்ற நோட்புக் வழங்கப்படுகிறது |

[^1]:இந்த பிரிவில் உள்ள உரை [ARIMA பணிக்குறிப்பில்](https://github.com/microsoft/ML-For-Beginners/tree/main/7-TimeSeries/2-ARIMA/assignment.md) அடிப்படையாகக் கொண்டது.

---

**அறிவிப்பு**:  
இந்த ஆவணம் [Co-op Translator](https://github.com/Azure/co-op-translator) என்ற AI மொழிபெயர்ப்பு சேவையை பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சிக்கிறோம், ஆனால் தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுகள் இருக்கக்கூடும் என்பதை கவனத்தில் கொள்ளவும். அதன் சொந்த மொழியில் உள்ள மூல ஆவணம் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கங்களுக்கு நாங்கள் பொறுப்பல்ல.