উদাহরণসহ মডেল তৈরির ধাপগুলো

মডেল তৈরি একটি মেশিন লার্নিং প্রজেক্টের গুরুত্বপূর্ণ অংশ। এখানে একটি উদাহরণসহ ধাপগুলো বর্ণনা করা হলো যা একটি সাধারণ মেশিন লার্নিং মডেল তৈরি করার জন্য অনুসরণ করা যেতে পারে। আমরা একটি সহজ লিনিয়ার রিগ্রেশন মডেল তৈরি করবো যা বাড়ির মূল্য পূর্বাভাস করবে।

ধাপ ১: পরিবেশ সেটআপ

প্রথমে প্রয়োজনীয় লাইব্রেরিগুলি ইনস্টল করুন।

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 আমরা একটি ডেটাসেট তৈরি করবো। এখানে একটি উদাহরণ ডেটাসেট ব্যবহার করা হবে।

# 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 (Training) এবং পরীক্ষণ (Testing) 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 এবং প্রশিক্ষণ

# লিনিয়ার রিগ্রেশন মডেল তৈরি
model = LinearRegression()

# মডেল প্রশিক্ষণ
model.fit(X_train, y_train)

ধাপ ৭: পূর্বাভাস করা

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

ধাপ ৮: মডেল মূল্যায়ন

# 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 ৯: 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.show()

সারসংক্ষেপ

এই উদাহরণে, আমরা একটি লিনিয়ার রিগ্রেশন মডেল তৈরি করেছি, যা বাড়ির মূল্য পূর্বাভাসের জন্য ব্যবহৃত হয়েছে। আমরা বিভিন্ন ধাপে গিয়ে ডেটাসেট তৈরি করেছি, মডেল প্রশিক্ষণ করেছি এবং শেষ পর্যন্ত মডেলের কার্যকারিতা মূল্যায়ন করেছি।

প্রতিটি ধাপ অনুসরণ করে আপনি একটি কার্যকরী মেশিন লার্নিং মডেল তৈরি করতে পারবেন এবং ডেটা বিশ্লেষণের বিভিন্ন ক্ষেত্রে এটি ব্যবহার করতে পারবেন।