পরিসংখ্যান-ভিত্তিক অ্যালগরিদমের প্রকারগুলি কী কী?

দুই ধরনের পরিসংখ্যান-ভিত্তিক অ্যালগরিদম রয়েছে যা নিম্নরূপ -

• রিগ্রেশন - রিগ্রেশন সমস্যাগুলি ইনপুট মানগুলির উপর অবস্থিত একটি আউটপুট মানের মূল্যায়নের সাথে কাজ করে। যখন শ্রেণীবিভাগের জন্য ব্যবহার করা হয়, ইনপুট মানগুলি ডাটাবেসের মান এবং আউটপুট মানগুলি ক্লাসগুলিকে সংজ্ঞায়িত করে। রিগ্রেশন শ্রেণীবিভাগের সমস্যাগুলি স্পষ্ট করতে ব্যবহার করা যেতে পারে, তবে এটি পূর্বাভাস সহ বিভিন্ন অ্যাপ্লিকেশনের জন্য ব্যবহৃত হয়। রিগ্রেশনের প্রাথমিক রূপ হল সরল রৈখিক রিগ্রেশন যাতে শুধুমাত্র একটি ভবিষ্যদ্বাণী এবং একটি ভবিষ্যদ্বাণী অন্তর্ভুক্ত থাকে।

  রিগ্রেশন দুটি বিভিন্ন পদ্ধতি ব্যবহার করে শ্রেণীবিভাগ বাস্তবায়ন করতে ব্যবহার করা যেতে পারে যা নিম্নরূপ -

  • বিভাগ − ডেটা ক্লাসে অবস্থিত অঞ্চলে বিভক্ত।

  • ভবিষ্যদ্বাণী − সূত্রগুলি আউটপুট ক্লাসের মান অনুমান করার জন্য তৈরি করা হয়।

• বায়েসিয়ান শ্রেণিবিন্যাস − শ্রেণীবিভাগের জন্য পরিসংখ্যানগত শ্রেণীবিভাগ ব্যবহার করা হয়। Bayesian শ্রেণীবিভাগ Bayes উপপাদ্য উপর ভিত্তি করে। বায়েসিয়ান ক্লাসিফায়াররা উচ্চ দক্ষতা এবং গতি দেখে যখন উচ্চ ডেটাবেসে ব্যবহার করা হয়।

  বেইস থিওরেম - X কে একটি ডেটা টিপল হতে দিন। বায়েসিয়ান পদ্ধতিতে, X কে "প্রমাণ" হিসাবে বিবেচনা করা হয়। H কে কিছু হাইপোথিসিস বলা যাক, যার মধ্যে ডেটা টিপল X একটি নির্দিষ্ট শ্রেণির C এর অন্তর্গত। সম্ভাব্যতা P (H|X) ডেটা সংজ্ঞায়িত করার সিদ্ধান্ত নিয়েছে। এই সম্ভাব্যতা P (H|X) হল সম্ভাব্যতা যে হাইপোথিসিস H-এর প্রভাব "প্রমাণ" বা লক্ষ্য করা ডেটা টিপল X দিয়েছে৷

  পি (এইচ 20,000 আয়। অনুমান করুন যে H হল অনুমান যে ব্যবহারকারী একটি কম্পিউটার ক্রয় করবে। এইভাবে P (H|X) ব্যবহারকারীর বয়স এবং আয় স্বীকার করা হলে ব্যবহারকারী X একটি কম্পিউটার কিনবে এমন সম্ভাবনাকে উল্টে দেয়।

  P (H) হল H-এর পূর্বের সম্ভাবনা। উদাহরণস্বরূপ, বয়স, আয় বা অন্য কিছু ডেটা নির্বিশেষে যে কোনো ব্যবহারকারী একটি কম্পিউটার ক্রয় করার সম্ভাবনা। পূর্ববর্তী সম্ভাব্যতা P (H|X) পূর্ববর্তী সম্ভাব্যতা P (H) থেকে বেশি ডেটার উপর অবস্থিত, যা X মুক্ত।

  একইভাবে, P (X|H) হল X-এর পরবর্তী সম্ভাব্যতা H-এর উপর শর্তযুক্ত। এটা হল সম্ভাব্যতা যে একজন ব্যবহারকারী X 30 বছর বয়সী এবং টাকা লাভ করে। 20,000।

  প্রদত্ত তথ্য থেকে P (H), P (X|H), এবং P (X) পরিমাপ করা যেতে পারে। Bayes উপপাদ্য P(H|X), P(H), P(X|H), এবং P(X) থেকে পশ্চাদবর্তী সম্ভাব্যতা P (H|X) গণনার একটি পদ্ধতি সমর্থন করে। এটি

  দ্বারা প্রদত্ত

$$P(H|X)=\frac{P(X|H)P(H)}{P(X)}$$