# ਇੱਕ ਨਵਾਂ SVR ਮਾਡਲ ## ਹਦਾਇਤਾਂ [^1] ਹੁਣ ਜਦੋਂ ਤੁਸੀਂ ਇੱਕ SVR ਮਾਡਲ ਬਣਾਇਆ ਹੈ, ਤਾਂ ਨਵੇਂ ਡਾਟਾ ਨਾਲ ਇੱਕ ਨਵਾਂ ਮਾਡਲ ਬਣਾਓ (ਡਿਊਕ ਦੇ [ਇਹ ਡਾਟਾਸੈਟ](http://www2.stat.duke.edu/~mw/ts_data_sets.html) ਵਿੱਚੋਂ ਇੱਕ ਨੂੰ ਅਜ਼ਮਾਓ)। ਆਪਣੇ ਕੰਮ ਨੂੰ ਇੱਕ ਨੋਟਬੁੱਕ ਵਿੱਚ ਦਰਜ ਕਰੋ, ਡਾਟਾ ਅਤੇ ਆਪਣੇ ਮਾਡਲ ਨੂੰ ਵਿਜੁਅਲਾਈਜ਼ ਕਰੋ, ਅਤੇ ਇਸ ਦੀ ਸਹੀਤਾ ਨੂੰ ਉਚਿਤ ਪਲਾਟ ਅਤੇ MAPE ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਟੈਸਟ ਕਰੋ। ਵੱਖ-ਵੱਖ ਹਾਈਪਰਪੈਰਾਮੀਟਰਾਂ ਨੂੰ ਅਨੁਕੂਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ ਅਤੇ ਟਾਈਮਸਟੈਪਸ ਲਈ ਵੱਖ-ਵੱਖ ਮੁੱਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ। ## ਰੂਬ੍ਰਿਕ [^1] | ਮਾਪਦੰਡ | ਸ਼ਾਨਦਾਰ | ਯੋਗ | ਸੁਧਾਰ ਦੀ ਲੋੜ ਹੈ | | -------- | ------------------------------------------------------------ | --------------------------------------------------------- | ----------------------------------- | | | ਇੱਕ ਨੋਟਬੁੱਕ ਪੇਸ਼ ਕੀਤੀ ਗਈ ਹੈ ਜਿਸ ਵਿੱਚ SVR ਮਾਡਲ ਬਣਾਇਆ, ਟੈਸਟ ਕੀਤਾ ਅਤੇ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ ਅਤੇ ਸਹੀਤਾ ਦਰਸਾਈ ਗਈ ਹੈ। | ਪੇਸ਼ ਕੀਤੀ ਗਈ ਨੋਟਬੁੱਕ ਦਰਜ ਨਹੀਂ ਕੀਤੀ ਗਈ ਜਾਂ ਇਸ ਵਿੱਚ ਗਲਤੀਆਂ ਹਨ। | ਇੱਕ ਅਧੂਰੀ ਨੋਟਬੁੱਕ ਪੇਸ਼ ਕੀਤੀ ਗਈ ਹੈ। | [^1]: ਇਸ ਭਾਗ ਵਿੱਚ ਲਿਖਤ ARIMA ਦੇ [ਅਸਾਈਨਮੈਂਟ](https://github.com/microsoft/ML-For-Beginners/tree/main/7-TimeSeries/2-ARIMA/assignment.md) ਤੋਂ ਆਧਾਰਿਤ ਸੀ। --- **ਅਸਵੀਕਤੀ**: ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ [Co-op Translator](https://github.com/Azure/co-op-translator) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀਤਾ ਲਈ ਯਤਨਸ਼ੀਲ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਚਨਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਇਸਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।