পাইথনে বুস্টেড গাছের সাথে টেনসরফ্লো কীভাবে ব্যবহার করা যেতে পারে?

ডেটাসেটের পূর্বাভাস কর্মক্ষমতা উন্নত করতে বুস্ট করা গাছের সাথে টেনসরফ্লো ব্যবহার করা যেতে পারে। ডেটা লোড করা হয়, এবং এটি সাধারণত যেভাবে করা হয় সেভাবে পূর্ব-প্রক্রিয়া করা হয়, কিন্তু যখন ভবিষ্যদ্বাণী করা হয়, তখন ভবিষ্যদ্বাণীগুলির জন্য একাধিক মডেল ব্যবহার করা হয় এবং এই সমস্ত মডেলের আউটপুট চূড়ান্ত ফলাফল দেওয়ার জন্য একত্রিত হয়।

আরো পড়ুন: টেনসরফ্লো কী এবং নিউরাল নেটওয়ার্ক তৈরি করতে টেনসরফ্লো-এর সাথে কেরাস কীভাবে কাজ করে?

আমরা কেরাস সিকোয়েন্সিয়াল এপিআই ব্যবহার করব, যা একটি অনুক্রমিক মডেল তৈরি করতে সহায়ক যা স্তরগুলির একটি প্লেইন স্ট্যাকের সাথে কাজ করতে ব্যবহৃত হয়, যেখানে প্রতিটি স্তরে একটি ইনপুট টেনসর এবং একটি আউটপুট টেনসর রয়েছে৷

একটি নিউরাল নেটওয়ার্ক যা অন্তত একটি স্তর ধারণ করে একটি কনভোলিউশনাল স্তর হিসাবে পরিচিত। আমরা শেখার মডেল তৈরি করতে কনভোলিউশনাল নিউরাল নেটওয়ার্ক ব্যবহার করতে পারি।

নিচের কোডটি চালানোর জন্য আমরা Google Colaboratory ব্যবহার করছি। Google Colab বা Colaboratory ব্রাউজারে Python কোড চালাতে সাহায্য করে এবং এর জন্য শূন্য কনফিগারেশন এবং GPUs (গ্রাফিক্যাল প্রসেসিং ইউনিট) তে বিনামূল্যে অ্যাক্সেস প্রয়োজন। জুপিটার নোটবুকের উপরে কোলাবোরেটরি তৈরি করা হয়েছে।

আমরা দেখব কিভাবে একটি গ্রেডিয়েন্ট বুস্টিং মডেলকে ডিসিশন ট্রি এবং tf.estimator API ব্যবহার করে প্রশিক্ষিত করা যায়। বুস্টেড ট্রিস মডেলগুলিকে রিগ্রেশনের পাশাপাশি শ্রেণীবিভাগের জন্য সবচেয়ে জনপ্রিয় এবং কার্যকর মেশিন লার্নিং পদ্ধতি হিসাবে বিবেচনা করা হয়। এটি একটি সংমিশ্রণ কৌশল যা অনেকগুলি (10s বা 100s বা 1000s) গাছের মডেলগুলির ভবিষ্যদ্বাণীগুলিকে একত্রিত করে৷ তারা ন্যূনতম হাইপারপ্যারামিটার টিউনিংয়ের সাথে চিত্তাকর্ষক কর্মক্ষমতা অর্জন করতে সহায়তা করে।

উদাহরণ

import numpy as np
import pandas as pd
from IPython.display import clear_output
from matplotlib import pyplot as plt
print("Load the dataset")
dftrain = pd.read_csv('https://storage.googleapis.com/tf-datasets/titanic/train.csv')
dfeval = pd.read_csv('https://storage.googleapis.com/tf-datasets/titanic/eval.csv')
print("Delete the column 'survived'")
y_train = dftrain.pop('survived')
y_eval = dfeval.pop('survived')
import tensorflow as tf
tf.random.set_seed(123)

কোড ক্রেডিট −https://www.tensorflow.org/tutorials/estimator/boosted_trees

আউটপুট

Load the dataset
Delete the column 'survived'

ব্যাখ্যা

• প্রয়োজনীয় প্যাকেজ আমদানি করা হয়।
• ডেটাসেট লোড হয়েছে।
• এটি একটি csv ফাইল হিসেবে পড়া হয়।
• 'বেঁচে গেছে' কলামটি মুছে ফেলা হয়েছে।