CatBoost Library ইমপোর্ট করা এবং প্রাথমিক কনফিগারেশন

CatBoost Library ইমপোর্ট করা এবং প্রাথমিক কনফিগারেশন

CatBoost হল একটি শক্তিশালী গাণিতিক লাইব্রেরি যা বিশেষভাবে ক্যাটাগরিকাল ডেটার জন্য ডিজাইন করা হয়েছে। এটি সহজেই ইনস্টল এবং ব্যবহার করা যায়। এখানে CatBoost লাইব্রেরি ইমপোর্ট করার এবং প্রাথমিক কনফিগারেশন করার পদ্ধতি আলোচনা করা হলো।

Python এ CatBoost ইমপোর্ট করা এবং প্রাথমিক কনফিগারেশন

পদক্ষেপ ১: CatBoost ইনস্টল করা

যদি CatBoost এখনও ইনস্টল না করা থাকে, তবে এটি ইনস্টল করতে পারেন। টার্মিনালে নিচের কমান্ডটি চালান:

pip install catboost

পদক্ষেপ ২: CatBoost ইমপোর্ট করা

একটি নতুন Python ফাইল তৈরি করুন এবং CatBoost লাইব্রেরি ইমপোর্ট করুন:

import catboost
from catboost import CatBoostClassifier, CatBoostRegressor

পদক্ষেপ ৩: প্রাথমিক কনফিগারেশন

CatBoost এর কনফিগারেশন করার জন্য কিছু মৌলিক প্যারামিটার সেট করা যেতে পারে। নিচে CatBoostClassifier এর একটি উদাহরণ দেওয়া হলো:

# ডেটা প্রস্তুতি
X = [[1, 2], [2, 3], [3, 4], [4, 5]]
y = [0, 1, 0, 1]

# CatBoostClassifier এর জন্য কনফিগারেশন
model = CatBoostClassifier(
    iterations=100,      # মোট ইটারেশন সংখ্যা
    depth=3,             # গাছের গভীরতা
    learning_rate=0.1,   # শেখার হার
    loss_function='Logloss',  # ক্ষতির ফাংশন
    verbose=0            # প্রশিক্ষণের সময় আউটপুট প্রদর্শন না করা
)

# মডেল প্রশিক্ষণ
model.fit(X, y)

# নতুন ডেটার উপর পূর্বাভাস
predictions = model.predict([[3, 5]])
print(predictions)

R এ CatBoost ইমপোর্ট করা এবং প্রাথমিক কনফিগারেশন

পদক্ষেপ ১: CatBoost ইনস্টল করা

R কনসোলে CatBoost ইনস্টল করতে পারেন:

install.packages("catboost", repos = "https://cloud.r-project.org/")

পদক্ষেপ ২: CatBoost লাইব্রেরি ইমপোর্ট করা

CatBoost লাইব্রেরি ইমপোর্ট করতে নিচের কোডটি ব্যবহার করুন:

library(catboost)

পদক্ষেপ ৩: প্রাথমিক কনফিগারেশন

CatBoostRegressor বা CatBoostClassifier এর জন্য কনফিগারেশন করুন:

# ডেটা প্রস্তুতি
data <- data.frame(
  feature1 = c(1, 2, 3, 4),
  feature2 = c(2, 3, 4, 5),
  label = c(0, 1, 0, 1)
)

# CatBoost ডেটা লোড করা
train_data <- catboost.load_data(data, label = "label")

# প্রাথমিক কনফিগারেশন
params <- list(
  iterations = 100,         # মোট ইটারেশন সংখ্যা
  depth = 3,                # গাছের গভীরতা
  learning_rate = 0.1,      # শেখার হার
  loss_function = 'Logloss' # ক্ষতির ফাংশন
)

# মডেল প্রশিক্ষণ
model <- catboost.train(train_data, params)

# নতুন ডেটার উপর পূর্বাভাস
test_data <- data.frame(feature1 = c(3), feature2 = c(5))
predictions <- catboost.predict(model, test_data)
print(predictions)

সারসংক্ষেপ

CatBoost লাইব্রেরি ইমপোর্ট করা এবং প্রাথমিক কনফিগারেশন করা সহজ। Python এবং R উভয় ভাষায় CatBoost ব্যবহার করে ক্যাটাগরিকাল ডেটা নিয়ে কাজ করতে পারেন। উপরের উদাহরণগুলো দিয়ে CatBoost-এর মৌলিক কনফিগারেশন বোঝা সহজ হবে এবং আপনাকে বিভিন্ন ডেটা সেটে এটি ব্যবহার করতে সহায়তা করবে।