# ഒരു പുതിയ SVR മോഡൽ ## നിർദ്ദേശങ്ങൾ [^1] നിങ്ങൾക്ക് SVR മോഡൽ നിർമ്മിച്ചിട്ടുണ്ടെങ്കിൽ, പുതിയ ഡാറ്റ ഉപയോഗിച്ച് ഒരു പുതിയ മോഡൽ നിർമ്മിക്കുക (Duke-യിലെ [ഈ ഡാറ്റാസെറ്റുകളിൽ ഒന്നിനെ പരീക്ഷിക്കുക](http://www2.stat.duke.edu/~mw/ts_data_sets.html)). നിങ്ങളുടെ പ്രവർത്തനം ഒരു നോട്ട്‌ബുക്കിൽ രേഖപ്പെടുത്തുക, ഡാറ്റയും നിങ്ങളുടെ മോഡലും ദൃശ്യവൽക്കരിക്കുക, അനുയോജ്യമായ പ്ലോട്ടുകളും MAPE ഉപയോഗിച്ച് അതിന്റെ കൃത്യത പരിശോധിക്കുക. വ്യത്യസ്ത ഹൈപ്പർപാരാമീറ്ററുകളും ടൈംസ്റ്റെപ്പുകളുടെ വ്യത്യസ്ത മൂല്യങ്ങളും പരീക്ഷിക്കുക. ## റൂബ്രിക് [^1] | മാനദണ്ഡം | ഉദാഹരണാർത്ഥം | മതിയായത് | മെച്ചപ്പെടുത്തേണ്ടത് | | -------- | ------------------------------------------------------------ | --------------------------------------------------------- | ----------------------------------- | | | SVR മോഡൽ നിർമ്മിച്ച്, പരീക്ഷിച്ച്, ദൃശ്യവൽക്കരണങ്ങളോടുകൂടി വിശദീകരിച്ച ഒരു നോട്ട്‌ബുക്ക് സമർപ്പിച്ചിരിക്കുന്നു, കൃത്യത വ്യക്തമാക്കിയിരിക്കുന്നു. | സമർപ്പിച്ച നോട്ട്‌ബുക്ക് രേഖപ്പെടുത്തപ്പെട്ടിട്ടില്ല അല്ലെങ്കിൽ ബഗുകൾ അടങ്ങിയിരിക്കുന്നു. | അപൂർണ്ണമായ ഒരു നോട്ട്‌ബുക്ക് സമർപ്പിച്ചിരിക്കുന്നു | [^1]: ഈ വിഭാഗത്തിലെ വാചകം [ARIMA-യിൽ നിന്നുള്ള അസൈൻമെന്റിൽ നിന്നാണ്](https://github.com/microsoft/ML-For-Beginners/tree/main/7-TimeSeries/2-ARIMA/assignment.md) അടിസ്ഥാനമാക്കിയിരിക്കുന്നത്. --- **അസൂയാ**: ഈ രേഖ AI വിവർത്തന സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചെങ്കിലും, സ്വയം പ്രവർത്തിക്കുന്ന വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖയാണ് പ്രാമാണികമായ ഉറവിടം എന്ന് പരിഗണിക്കേണ്ടതാണ്. നിർണായകമായ വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ വ്യാഖ്യാനക്കേടുകൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.