Scikit-learn (sklearn) পাইথনের একটি ওপেন-সোর্স লাইব্রেরি যা মেশিন লার্নিং অ্যালগরিদম বাস্তবায়নের জন্য ব্যবহৃত হয়। এতে ক্লাসিফিকেশন, রিগ্রেশন, ক্লাস্টারিং, ডাইমেনশনালিটি রিডাকশন ইত্যাদি অন্তর্ভুক্ত। এটি Numpy, SciPy এবং Matplotlib-এর ওপর তৈরি।
ডেটা লোড করার একটি উদাহরণ নিচে দেওয়া হলো:
উদাহরণ
from sklearn.datasets import load_iris
my_data = load_iris()
X = my_data.data
y = my_data.target
feature_name = my_data.feature_names
target_name = my_data.target_names
print("ফিচার নাম:", feature_name)
print("টার্গেট নাম:", target_name)
print("\nডেটাসেটের প্রথম ৮ সারি:\n", X[:8])আউটপুট
ফিচার নাম: ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)'] টার্গেট নাম: ['setosa' 'versicolor' 'virginica'] ডেটাসেটের প্রথম ৮ সারি: [[5.1 3.5 1.4 0.2] [4.9 3. 1.4 0.2] [4.7 3.2 1.3 0.2] [4.6 3.1 1.5 0.2] [5. 3.6 1.4 0.2] [5.4 3.9 1.7 0.4] [4.6 3.4 1.4 0.3] [5. 3.4 1.5 0.2]]
ব্যাখ্যা
- প্রয়োজনীয় প্যাকেজগুলো ইম্পোর্ট করা হয়েছে।
- ডেটাসেট এনভায়রনমেন্টে লোড করা হয়েছে।
- ফিচার ও টার্গেট মান ডেটাসেট থেকে পৃথক করা হয়েছে।
- ফিচার ও টার্গেট নাম কনসোলে প্রিন্ট করা হয়েছে।
- ডেটার নমুনা দেখতে প্রথম ৮ সারি প্রিন্ট করা হয়েছে।
