উদাহরণসহ মডেল ট্রেনিং প্রক্রিয়া

মডেল ট্রেনিং প্রক্রিয়া হল একটি গুরুত্বপূর্ণ ধাপ যেখানে মডেলটি ডেটা থেকে শিখে এবং পূর্বাভাসের জন্য প্রস্তুত হয়। এখানে একটি উদাহরণসহ মডেল ট্রেনিং প্রক্রিয়া বর্ণনা করা হলো। আমরা একটি সহজ লিনিয়ার রিগ্রেশন মডেল তৈরি করবো যা বাড়ির মূল্য পূর্বাভাস করবে।

প্রজেক্টের উদ্দেশ্য: বাড়ির মূল্য পূর্বাভাস মডেল ট্রেনিং

ধাপ ১: লাইব্রেরি ইনস্টল করা

pip install pandas scikit-learn matplotlib

ধাপ ২: লাইব্রেরি লোড করা

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score

ধাপ ৩: ডেটাসেট তৈরি

এখন একটি উদাহরণ ডেটাসেট তৈরি করা যাক।

# উদাহরণ ডেটাসেট তৈরি
data = pd.DataFrame({
    'Bedrooms': [3, 4, 2, 4, 3],
    'Bathrooms': [2, 3, 1, 3, 2],
    'Square_Feet': [1500, 2000, 900, 2500, 1600],
    'Yard_Size': [500, 800, 300, 700, 600],
    'Price': [250000, 300000, 150000, 400000, 280000]
})

# ডেটা দেখুন
print(data)

ধাপ ৪: ফিচার এবং টার্গেট নির্ধারণ

# ফিচার এবং টার্গেট নির্ধারণ
X = data[['Bedrooms', 'Bathrooms', 'Square_Feet', 'Yard_Size']]
y = data['Price']

ধাপ ৫: ডেটা বিভাজন

ডেটাকে প্রশিক্ষণ এবং পরীক্ষণ সেটে ভাগ করুন।

# ডেটা বিভাজন
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

print(f'Training data size: {X_train.shape[0]}')
print(f'Testing data size: {X_test.shape[0]}')

ধাপ ৬: মডেল তৈরি

এখন আমরা একটি লিনিয়ার রিগ্রেশন মডেল তৈরি করবো।

# লিনিয়ার রিগ্রেশন মডেল তৈরি
model = LinearRegression()

ধাপ ৭: মডেল প্রশিক্ষণ

# মডেল প্রশিক্ষণ
model.fit(X_train, y_train)

ধাপ ৮: পূর্বাভাস করা

মডেলটি প্রশিক্ষণ করার পরে, আমরা পরীক্ষণ সেটের উপর পূর্বাভাস করতে পারি।

# পরীক্ষণ সেটের উপর পূর্বাভাস
y_pred = model.predict(X_test)

ধাপ ৯: মডেল মূল্যায়ন

আমরা মডেলটির কার্যকারিতা মূল্যায়ন করতে পারি।

# মূল্যায়ন
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)

print(f'Mean Squared Error: {mse}')
print(f'R-squared: {r2}')

ধাপ ১০: ফলাফল ভিজ্যুয়ালাইজেশন

# ফলাফল ভিজ্যুয়ালাইজেশন
plt.scatter(y_test, y_pred)
plt.xlabel('Actual Prices')
plt.ylabel('Predicted Prices')
plt.title('Actual vs Predicted Prices')
plt.plot([0, 400000], [0, 400000], color='red')  # 45-degree line
plt.show()

সারসংক্ষেপ

এভাবে, আমরা একটি বাড়ির মূল্য পূর্বাভাসের জন্য একটি লিনিয়ার রিগ্রেশন মডেল তৈরি এবং প্রশিক্ষণ করেছি। মডেল ট্রেনিং প্রক্রিয়াটি ডেটা বিভাজন, মডেল তৈরি, প্রশিক্ষণ এবং মূল্যায়নের বিভিন্ন ধাপ নিয়ে গঠিত। এটি একটি সাধারণ প্রক্রিয়া, কিন্তু এটি মডেল তৈরি করার জন্য অত্যন্ত কার্যকরী।

প্রকল্পের ধাপগুলো অনুসরণ করে আপনি একটি কার্যকরী মডেল তৈরি করতে পারবেন এবং আপনার ডেটা বিশ্লেষণের দক্ষতা উন্নত করতে পারবেন।