light mode
night mode
সাইকিট-লার্ন (Scikit-Learn)
Scikit-Learn পরিচিতি Scikit-Learn কী? Scikit-Learn এর ইতিহাস এবং বিকাশ Scikit-Learn এর বৈশিষ্ট্য এবং ব্যবহার ক্ষেত্র Scikit-Learn এর গুরুত্বপূর্ণ মডিউল এবং লাইব্রেরি Scikit-Learn ইনস্টলেশন এবং সেটআপ Scikit-Learn ইনস্টল করা (pip ব্যবহার করে) Scikit-Learn এর সাথে Python এর ইন্টিগ্রেশন Python IDE (Jupyter Notebook, Google Colab) সেটআপ Scikit-Learn ডকুমেন্টেশন এবং হেল্প Scikit-Learn এর মৌলিক ধারণা Features এবং Labels এর ধারণা Training এবং Testing Data এর ভূমিকা Supervised এবং Unsupervised Learning এর ধারণা Model Selection এবং Cross-Validation Data Preprocessing ডেটা লোড করা (CSV, Excel, Database) Missing Data Handle করা (Imputation Techniques) Data Scaling এবং Normalization (MinMaxScaler, StandardScaler) Feature Encoding (Label Encoding, One-Hot Encoding) Train-Test Split এবং Cross-Validation Train-Test Split এর প্রয়োজনীয়তা train_test_split() ফাংশন ব্যবহার K-Fold Cross-Validation এর ভূমিকা Stratified K-Fold Cross-Validation Supervised Learning এর বেসিক ধারণা Supervised Learning কী এবং এর প্রকারভেদ Classification এবং Regression এর মধ্যে পার্থক্য Model Training এবং Testing Process Model Evaluation Metrics (Accuracy, Precision, Recall, F1 Score) Linear Regression Linear Regression কী এবং এর ব্যবহার Simple এবং Multiple Linear Regression Coefficients এবং Intercept এর ভূমিকা Model Evaluation (R-squared, Mean Squared Error) Logistic Regression Logistic Regression এর ভূমিকা Binary Classification এবং Sigmoid Function Decision Boundary এবং Probabilistic Prediction Model Evaluation (Confusion Matrix, ROC-AUC Curve) K-Nearest Neighbors (KNN) KNN কী এবং কিভাবে কাজ করে? Distance Metrics (Euclidean, Manhattan) KNN মডেল Training এবং Prediction Model Tuning এবং Hyperparameter Optimization Support Vector Machine (SVM) SVM এর মৌলিক ধারণা Hyperplane এবং Margin এর ভূমিকা Linear এবং Non-linear SVM Kernel Functions (Linear, Polynomial, RBF) Decision Tree এবং Random Forest Decision Tree এর বেসিক ধারণা Gini Index এবং Information Gain Random Forest এর ভূমিকা এবং ব্যবহার Model Evaluation এবং Feature Importance Naive Bayes Classifier Naive Bayes এর বেসিক ধারণা Bayes Theorem এবং Conditional Probability Gaussian Naive Bayes এবং Multinomial Naive Bayes Naive Bayes এর Strength এবং Limitations Ensemble Learning Ensemble Learning এর ধারণা এবং প্রয়োগ Bagging এবং Boosting Techniques AdaBoost এবং Gradient Boosting Classifier XGBoost এবং CatBoost এর ব্যবহার Unsupervised Learning এর বেসিক ধারণা Unsupervised Learning কী এবং এর প্রয়োজনীয়তা Clustering এবং Dimensionality Reduction এর ধারণা Unsupervised Learning এর বাস্তব প্রয়োগ K-Means Clustering K-Means Clustering এর বেসিক ধারণা Centroid Initialization এবং Cluster Assignment Elbow Method ব্যবহার করে K নির্বাচন Cluster Evaluation এবং Silhouette Score Hierarchical Clustering Hierarchical Clustering এর ভূমিকা Agglomerative এবং Divisive Clustering Dendrogram এবং Linkage Methods Hierarchical Clustering এর Limitations Principal Component Analysis (PCA) PCA এর বেসিক ধারণা Dimensionality Reduction এর প্রয়োগ Eigenvalues এবং Eigenvectors এর ধারণা PCA মডেল Training এবং Testing Model Evaluation এবং Validation Techniques Model Evaluation Metrics (Accuracy, Precision, Recall, F1 Score) Confusion Matrix এবং Classification Report ROC-AUC Curve এবং Precision-Recall Curve Cross-Validation এবং Model Selection Techniques Hyperparameter Tuning এবং Optimization Hyperparameter কী এবং এর প্রয়োজনীয়তা Grid Search এবং Random Search Techniques Cross-Validation এর মাধ্যমে Hyperparameter Tuning Scikit-Learn এর GridSearchCV এবং RandomizedSearchCV Time Series Analysis এবং Forecasting Time Series Data এর ধারণা এবং ব্যবহার ARIMA এবং SARIMA মডেল Lag Features এবং Rolling Windows Forecasting Techniques এবং Model Evaluation Pipeline এবং Model Selection Pipeline কী এবং এর প্রয়োজনীয়তা Data Preprocessing এবং Model Training এর জন্য Pipeline তৈরি Model Selection Techniques এবং Evaluation Scikit-Learn এর Pipeline এবং make_pipeline ফাংশন Feature Selection এবং Feature Engineering Feature Selection এর গুরুত্ব Recursive Feature Elimination (RFE) Feature Engineering Techniques Scikit-Learn এর SelectKBest এবং RFECV Text Classification এবং Natural Language Processing (NLP) Text Preprocessing Techniques (Tokenization, Stopwords Removal) TF-IDF এবং Bag of Words মডেল Sentiment Analysis এবং Text Classification Scikit-Learn এর CountVectorizer এবং TfidfVectorizer Model Deployment এবং Production মডেল Export করা (Pickle, Joblib) Flask এবং FastAPI দিয়ে REST API তৈরি Docker ব্যবহার করে মডেল ডেপ্লয়মেন্ট ক্লাউডে মডেল ডেপ্লয়মেন্ট (AWS, Google Cloud, Azure) Scikit-Learn এর জন্য Best Practices Model Training এবং Testing Best Practices Data Preprocessing এবং Feature Engineering Best Practices Model Evaluation এবং Validation Best Practices Model Deployment এবং Maintenance Best Practices

PCA এর বেসিক ধারণা

Machine Learning - সাইকিট-লার্ন (Scikit-Learn) - Principal Component Analysis (PCA)
428

Principal Component Analysis (PCA) হলো একটি জনপ্রিয় ডাইমেনশনালিটি রিডাকশন টেকনিক যা উচ্চমাত্রার ডেটা (high-dimensional data) থেকে অপ্রয়োজনীয় বা অতিরিক্ত বৈশিষ্ট্য (features) বাদ দিয়ে ডেটার আকার কমানোর জন্য ব্যবহৃত হয়। এর মাধ্যমে ডেটার মৌলিক (fundamental) বৈশিষ্ট্যগুলি খুঁজে বের করা হয়, যাতে ডেটার গুরুত্বপূর্ণ তথ্য বজায় থাকে এবং কম্পিউটেশনাল লোড হ্রাস পায়।

PCA একটি লিনিয়ার রিডাকশন টেকনিক, যা ডেটার ভ্যারিয়েন্স (variance) সর্বাধিক করতে কাজ করে। PCA এমনভাবে ডেটাকে কম্প্রেস করে যে, কম আংশিক বৈশিষ্ট্যগুলিতেও মূল তথ্য রক্ষা থাকে।

PCA এর মূল উদ্দেশ্য

  1. ডাইমেনশনালিটি কমানো:
    ডেটার পরিমাণ অনেক বেশি হলে, অনেক বৈশিষ্ট্য (features) থাকে যা প্রায়ই অতিরিক্ত বা অপরিহার্য হতে পারে। PCA এসব বৈশিষ্ট্যগুলি সমন্বিত (combine) করে, ডেটার মূল বৈশিষ্ট্যগুলো ধরে রেখে কম মাত্রায় রূপান্তরিত করে।
  2. ডেটার বৈশিষ্ট্যগুলোকে নতুনভাবে সাজানো:
    PCA ডেটাকে নতুন অর্থপূর্ণ এক্সেসেস (axes) তৈরি করে, যেখানে ডেটার সবচেয়ে গুরুত্বপূর্ণ বৈশিষ্ট্যগুলো গুচ্ছিত (concentrated) থাকে এবং ডেটার ভ্যারিয়েন্স (variation) সর্বাধিক হয়। এই নতুন এক্সেসগুলি Principal Components (PCs) হিসেবে পরিচিত।
  3. বিভিন্ন বৈশিষ্ট্যের সম্পর্ক খোঁজা:
    PCA মডেলটি ডেটার মধ্যে লুকানো সম্পর্কগুলো খুঁজে বের করার চেষ্টা করে, যা অন্য কোনো রিডাকশন টেকনিকের মাধ্যমে সহজে উপলব্ধ নাও হতে পারে।

PCA এর কাজ করার প্রক্রিয়া

PCA করার প্রক্রিয়া সাধারণত নিম্নলিখিত ধাপগুলো অনুসরণ করে:

  1. ডেটা স্ট্যান্ডার্ডাইজেশন:
    প্রথমে ডেটার বৈশিষ্ট্যগুলির স্কেল বা পরিসর (range) সমান করা হয়, যাতে সব বৈশিষ্ট্য একই স্কেলে থাকে। যেমন, গড় ০ এবং ভ্যারিয়েন্স ১ হওয়া প্রয়োজন। এটি করার জন্য StandardScaler ব্যবহার করা হয়।
  2. কোভেরিয়েন্স ম্যাট্রিক্স হিসাব করা:
    ডেটার মধ্যে বৈশিষ্ট্যগুলির মধ্যে সম্পর্ক খুঁজে বের করতে covariance matrix তৈরি করা হয়। এটি ডেটার বিভিন্ন বৈশিষ্ট্যের মধ্যে সংযোগ বা সহসম্পর্ক দেখায়।
  3. ইগেনভ্যালু এবং ইগেনভেক্টর বের করা:
    কোভেরিয়েন্স ম্যাট্রিক্সের ইগেনভ্যালু (eigenvalue) এবং ইগেনভেক্টর (eigenvector) বের করা হয়। ইগেনভেক্টরগুলো হলো ডেটার নতুন অক্ষ (principal components), এবং ইগেনভ্যালু গুলো ডেটার বৈশিষ্ট্যগুলির মধ্যে সর্বাধিক ভ্যারিয়েন্সের পরিমাণ নির্দেশ করে।
  4. প্রধান উপাদান নির্বাচন করা:
    ইগেনভ্যালু এবং ইগেনভেক্টর থেকে ডেটার জন্য সবচেয়ে গুরুত্বপূর্ণ প্রধান উপাদান (principal components) নির্বাচন করা হয়। প্রায়ই প্রথম কয়েকটি উপাদান নির্বাচন করা হয় যেগুলি সবচেয়ে বেশি ভ্যারিয়েন্স ধারণ করে।
  5. ডেটাকে কম মাত্রায় রূপান্তর করা:
    নির্বাচিত প্রধান উপাদানগুলি ব্যবহার করে মূল ডেটাকে নতুন বেসে রূপান্তর করা হয় এবং ডেটার আকার কমানো হয়।

PCA এর গাণিতিক ফর্মুলা

  1. কোভেরিয়েন্স ম্যাট্রিক্স: কোভেরিয়েন্স ম্যাট্রিক্স হলো একটি সিমেট্রিক ম্যাট্রিক্স, যা দুটি বৈশিষ্ট্যের মধ্যে সম্পর্ক (covariance) প্রকাশ করে।

    C=1n−1∑i=1n(xi−xˉ)(xi−xˉ)TC = \frac{1}{n-1} \sum_{i=1}^{n} (x_i - \bar{x})(x_i - \bar{x})^T

  2. ইগেনভ্যালু এবং ইগেনভেক্টর: কোভেরিয়েন্স ম্যাট্রিক্স থেকে ইগেনভ্যালু এবং ইগেনভেক্টর বের করা হয়। ইগেনভেক্টর হলো নতুন এক্সেসেস (directions), এবং ইগেনভ্যালু হলো সেই এক্সেসেসের উপর ডেটার ভ্যারিয়েন্স।
  3. প্রধান উপাদান নির্বাচন: প্রাথমিকভাবে নির্বাচিত ইগেনভেক্টরগুলোর সাথে ডেটা প্রজেক্ট করা হয়, যাতে কম মাত্রায় ডেটাকে রূপান্তর করা যায়।

PCA এর উদাহরণ

ধরা যাক, আপনার কাছে ৩টি বৈশিষ্ট্য (Feature 1, Feature 2, Feature 3) সম্বলিত একটি ডেটাসেট আছে। PCA ব্যবহার করে আপনি এই ৩টি বৈশিষ্ট্যকে এমনভাবে রূপান্তরিত করতে পারবেন যাতে আপনার নতুন ডেটাসেটে শুধুমাত্র ২টি প্রধান উপাদান থাকবে যা ডেটার মধ্যে সবচেয়ে বেশি ভ্যারিয়েন্স ধারণ করবে। এইভাবে ডেটার আকার কমবে এবং গুরুত্বপূর্ণ বৈশিষ্ট্য বজায় থাকবে।

PCA এর সুবিধা এবং সীমাবদ্ধতা

সুবিধা:

  • ডেটা কম্প্রেশন:
    ডেটার আকার কমানো, যাতে কম্পিউটেশনাল লোড কমে এবং আরও দ্রুত মডেল ট্রেনিং হয়।
  • শব্দের মধ্যে স্পষ্টতা:
    ডেটার সঠিক বৈশিষ্ট্যগুলি শিখে কম মাত্রায় বিশ্লেষণ করা সম্ভব হয়।
  • লুকানো সম্পর্ক চিহ্নিত করা:
    এটি ডেটার মধ্যে লুকানো সম্পর্ক বা প্যাটার্ন চিহ্নিত করতে সহায়ক।

সীমাবদ্ধতা:

  • ইন্টারপ্রেটেশন কঠিন:
    PCA এর নতুন প্রধান উপাদানগুলি মাঝে মাঝে মৌলিক বৈশিষ্ট্যগুলির সাথে সরাসরি সম্পর্কযুক্ত নাও হতে পারে, যার ফলে তা বুঝতে একটু কঠিন হতে পারে।
  • লিনিয়ারিটি:
    PCA একটি লিনিয়ার মেথড, তাই এটি কেবল লিনিয়ার সম্পর্ক খুঁজে পায়। নন-লিনিয়ার সম্পর্ক চিহ্নিত করতে PCA অকার্যকর হতে পারে।

সারাংশ

Principal Component Analysis (PCA) হলো একটি শক্তিশালী ডাইমেনশনালিটি রিডাকশন টেকনিক যা উচ্চমাত্রার ডেটাকে কম মাত্রায় রূপান্তরিত করে, তবে গুরুত্বপূর্ণ তথ্য বজায় রাখে। এটি ডেটার ভ্যারিয়েন্স সর্বাধিক করতে এবং কম্পিউটেশনাল লোড কমাতে সাহায্য করে, তবে ডেটার মধ্যে লিনিয়ার সম্পর্কের উপর ভিত্তি করে কাজ করে।

Content added By
SATT Academy

Read more

Dimensionality Reduction এর প্রয়োগ Eigenvalues এবং Eigenvectors এর ধারণা PCA মডেল Training এবং Testing

or

Don't have an account? Register

Promotion
NEW SATT AI এখন আপনাকে সাহায্য করতে পারে।

Satt AI

Are you sure to start over?