পাইথনে মেশিন লার্নিং পরিচিতি – বেসিক কনসেপ্ট ও লাইব্রেরি

এই লেখায় পাইথন ৩.x বা তার আগের সংস্করণে মেশিন লার্নিং-এর বেসিক কনসেপ্ট এবং প্রয়োজনীয় লাইব্রেরি সম্পর্কে জানব।

এনভায়রনমেন্ট সেটআপ

pip install numpy scipy matplotlib scikit-learn

মেশিন লার্নিং অভিজ্ঞতা ও ডেটা ভিত্তিক প্রেডিকশন করার বিষয়। যত বড় ডেটাবেস, তত ভালো মডেল।

মেশিন লার্নিং ফ্লো

• ডেটা ক্লিনিং
• ডেটাসেট ফিডিং
• মডেল ট্রেনিং
• টেস্ট ডেটাসেট
• মডেল ইমপ্লিমেন্টেশন

প্রধান লাইব্রেরি এবং ব্যবহার

• NumPy: বড় মাল্টি-ডাইমেনশনাল অ্যারে এবং ম্যাথ ফাংশন।
• SciPy: সাইেন্টিফিক কম্পিউটিং, অপ্টিমাইজেশন, লিনিয়ার অ্যালজেব্রা।
• Matplotlib: চার্ট ও ফিগার প্লটিং।
• Scikit-learn: ক্লাসিফিকেশন, ক্লাস্টারিং, রিগ্রেশন অ্যালগরিদম।

Scikit-learn দিয়ে বেসিক মডেল (Iris/Digits ডেটাসেট)

from sklearn import datasets
iris = datasets.load_iris()
digits = datasets.load_digits()

print(digits.data)
print(digits.target)
print(digits.images[0])

ট্রেনিং ও প্রেডিকশন

from sklearn import svm
clf = svm.SVC(gamma=0.001, C=100.)
clf.fit(digits.data[:-1], digits.target[:-1])
print(clf.predict(digits.data[-1:]))  # আউটপুট: [8]

এখানে SVC (Support Vector Classification) একটি বিল্ট-ইন এস্টিমেটর। fit() দিয়ে ট্রেনিং, predict() দিয়ে প্রেডিকশন।

উপসংহার

এই লেখায় মেশিন লার্নিং-এর বেসিক ধাপ এবং পাইথনের কোর লাইব্রেরি (NumPy, SciPy, Matplotlib, Scikit-learn) এর ভূমিকা আলোচনা করা হলো।