22/10/2022
Supervised Learning এর প্রকারভেদ?
Supervised Learning আবার ২ প্রকার। যথাঃ
(১)"Classification" সমস্যা:
Classification একটি অ্যালগরিদম ব্যবহার করে সঠিকভাবে test data গুলো নির্দিষ্ট বিভাগে নিযুক্ত করে। এটি ডেটাসেটের(dataset) মধ্যে নির্দিষ্ট entity গুলিকে স্বীকৃতি দেয় এবং সেই entity গুলিকে কীভাবে লেবেল(label) বা সংজ্ঞায়িত(define) করা উচিত সে সম্পর্কে কিছু যুগোপযুগী সিদ্ধান্ত নেওয়ার চেষ্টা করে।
যেমন ধরি, কোনো প্রাণীর প্রজাতির মাপ নিয়ে আমাদেরকে বলতে হবে প্রাণীটা কোন প্রজাতির। এর মানে হচ্ছে মেশিন লার্নিং মডেলকে তিনটা প্রজাতির মধ্যে কোনটা সেই প্রজাতি তা নির্ণয় করতে হবে। এখানে, আমাদের আউটকাম কিন্তু তিনটা প্রজাতির মধ্যেই সীমাবদ্ধ। এর অর্থ হচ্ছে আমাদের প্রেডিকশন আউটকাম আসবে এই তিনটা ভাগে। কোনো রোগের নানা সিম্পটম(symptoms) থেকে সেভাবে আমরা বের করতে পারি রোগীর সেই রোগটা আছে কিনা? এর আউটকাম হবে হ্যাঁ অথবা না। এটা হচ্ছে‘Classification’ সমস্যা।
পরিচিত কিছু Classification Algorithms গুলো হল linear classifiers, support vector machines (SVM), decision trees, k-nearest neighbor, and random forest.
(২)"Regression" সমস্যা:
Dependent(নির্ভরশীল) এবং Independent(স্বাধীন) ভেরিয়েবলের(variable) মধ্যে সম্পর্ক বোঝার জন্য regression ব্যবহার করা হয়। এটি সাধারণত অনুমান করতে ব্যবহৃত হয় । যদি কারো চাকরির বয়স বা অভিজ্ঞতার সাথে বেতনের আউটকাম জানতে চাওয়া হয়, তাহলে সেটা হবে ‘Regression’ সমস্যা। কারণ বেতনের আউটকাম হচ্ছে Continuous variable। ঐ লোকের অভিজ্ঞতার সাথে যেই বেতনটাকে আমরা predict করতে চাইবো সেটার ভ্যালু যে কোন সংখ্যা হতে পারে। সেজন্য এটা ‘Regression’ সমস্যা। এর আউটকাম হচ্ছে ‘Continuous variable’। Linear regression, logistic regression, and polynomial regression হল জনপ্রিয় Regression algorithm.
