Scikit-learn এ মেশিন লার্নিং মডেল বিল্ডিং – পাইথন লাইব্রেরি

এই লেখায় Scikit-learn লাইব্রেরি ব্যবহার করে মেশিন লার্নিং মডেল তৈরি করার প্রক্রিয়া বর্ণনা করা হলো। Scikit-learn একটি ফ্রি মেশিন লার্নিং লাইব্রেরি যা র‍্যান্ডম ফরেস্ট, সাপোর্ট ভেক্টর মেশিন, k-নியারেস্ট নেইবারের মতো অ্যালগরিদম সাপোর্ট করে এবং NumPy, SciPy-এর সাথে সরাসরি ইন্টিগ্রেটেড।

ডেটাসেট ইম্পোর্ট

import pandas as pd
url = "your_dataset_url"
data = pd.read_csv(url)

ডেটা এক্সপ্লোরেশন এবং ক্লিনিং

হেড মেথড ব্যবহার করে ডেটার প্রথম কিছু রেকর্ড দেখা যায়:

data.head()
data.head(n=4)  # প্রথম ৪ রেকর্ড

টেইল মেথড ব্যবহার করে শেষ কিছু রেকর্ড:

data.tail()
data.tail(n=4)  # শেষ ৪ রেকর্ড

ডেটা ভিজ্যুয়ালাইজেশন

Seaborn এবং Matplotlib ব্যবহার করে ডেটা ভিজ্যুয়ালাইজ করা যায়:

import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="whitegrid", color_codes=True)
sns.countplot(x='Route To Market', data=sales_data, hue='Opportunity Result')

ডেটা প্রিপ্রোসেসিং

LabelEncoder ব্যবহার করে ক্যাটাগরিক্যাল ডেটা সংখ্যালঘুতে রূপান্তর:

from sklearn import preprocessing
le = preprocessing.LabelEncoder()
encoded_value = le.fit_transform(column_list)
print(encoded_value)

মডেল ট্রেনিং এবং বিল্ডিং

ডেটা ট্রেনিং দিয়ে মডেল তৈরি করা হয়। (চিত্রটি সংলগ্ন থাকবে)

উপসংহার

এই লেখায় Scikit-learn লাইব্রেরি ব্যবহার করে মেশিন লার্নিং মডেল বিল্ডিং-এর মূল ধাপগুলো আলোচনা করা হলো।