LightGBM ব্যবহার করে একটি মেশিন লার্নিং মডেল ট্রেনিং করার প্রক্রিয়া নিম্নলিখিত পদক্ষেপগুলো অনুসরণ করে করা যায়। এখানে একটি সাধারণ উদাহরণ দেওয়া হচ্ছে যা একটি ক্লাসিফিকেশন সমস্যা সমাধানে LightGBM ব্যবহার করে।
প্রয়োজনীয়তা
- Python: আপনার সিস্টেমে Python 3.x ইনস্টল থাকতে হবে।
- LightGBM: LightGBM আপনার সিস্টেমে ইনস্টল করা থাকতে হবে। ইনস্টল করার জন্য LightGBM ইনস্টলেশন গাইড অনুসরণ করুন।
- অন্য লাইব্রেরি:
pandas,numpy,sklearnএবংlightgbmলাইব্রেরি ইনস্টল করতে হবে।
পদক্ষেপ 1: লাইব্রেরি ইনস্টলেশন
pip install pandas numpy scikit-learn lightgbm
পদক্ষেপ 2: ডেটাসেট প্রস্তুতি
এখানে আমরা একটি উদাহরণ হিসাবে Iris ডেটাসেট ব্যবহার করব। আপনি আপনার নিজস্ব ডেটাসেটও ব্যবহার করতে পারেন।
import pandas as pd
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
# Iris ডেটাসেট লোড করা
iris = load_iris()
X = iris.data
y = iris.target
# ডেটাসেট ট্রেনিং এবং টেস্ট সেটে বিভক্ত করা
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
পদক্ষেপ 3: LightGBM মডেল ট্রেনিং
import lightgbm as lgb
# ডেটাসেট LightGBM ডেটা ফরম্যাটে রূপান্তরিত করা
train_data = lgb.Dataset(X_train, label=y_train)
test_data = lgb.Dataset(X_test, label=y_test)
# LightGBM মডেল ট্রেনিংয়ের জন্য প্যারামিটার সেট করা
params = {
'objective': 'multiclass',
'num_class': 3,
'metric': 'multi_logloss',
'boosting_type': 'gbdt',
'learning_rate': 0.1,
'num_leaves': 31,
'verbose': -1
}
# মডেল ট্রেনিং
model = lgb.train(params, train_data, valid_sets=test_data, num_boost_round=100, early_stopping_rounds=10)
পদক্ষেপ 4: পূর্বাভাস করা
মডেল ট্রেনিংয়ের পরে, আমরা টেস্ট সেটে পূর্বাভাস করতে পারি।
# টেস্ট সেটের উপর পূর্বাভাস করা
y_pred = model.predict(X_test)
y_pred_max = [list(x).index(max(x)) for x in y_pred] # সর্বাধিক সম্ভাব্য শ্রেণী নির্বাচন করা
পদক্ষেপ 5: মডেল মূল্যায়ন
মডেলের কার্যকারিতা মূল্যায়ন করার জন্য, আমরা কিছু মেট্রিক ব্যবহার করতে পারি যেমন সঠিকতা।
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, y_pred_max)
print(f'Accuracy: {accuracy:.2f}')
উপসংহার
এখন আপনি LightGBM ব্যবহার করে একটি মৌলিক মডেল ট্রেনিং প্রক্রিয়া সম্পন্ন করেছেন। LightGBM একটি শক্তিশালী এবং কার্যকরী গ্রেডিয়েন্ট বুস্টিং অ্যালগরিদম, যা ক্লাসিফিকেশন এবং রিগ্রেশন উভয় সমস্যায় উচ্চ কার্যকারিতা প্রদর্শন করে। এই উদাহরণটি কিভাবে LightGBM মডেল তৈরি, প্রশিক্ষণ, এবং পূর্বাভাস করতে হয় তা দেখায়। আপনার প্রয়োজন অনুসারে প্যারামিটারগুলি পরিবর্তন করে আরও উন্নত মডেল তৈরি করতে পারেন।
Read more
