মেশিন লার্নিং মডেল কীভাবে সিদ্ধান্ত নেয়

১ · হাতে-লেখা নিয়ম বনাম শেখা প্যাটার্ন

একটি ঐতিহ্যবাহী প্রোগ্রামে, একজন ডেভেলপার সরাসরি নিয়ম লেখেন: "যদি বয়স ১৮-এর কম হয়, তাহলে প্রত্যাখ্যান করো।" একটি মেশিন লার্নিং মডেলMachine Learning Modelট্রেনিং উদাহরণ থেকে একটি পরিসংখ্যানগত প্যাটার্ন শিখে নেওয়া একটি সিস্টেম, যা হাতে-লেখা নিয়মের বদলে ডেটা থেকে নিজের সিদ্ধান্তের নিয়ম বের করে।-এ এর উল্টো ঘটে — কেউ নিয়ম লেখেন না। বরং ডেভেলপার অনেক উদাহরণ দেন (ইনপুট + সঠিক আউটপুট), আর একটি প্রশিক্ষণ অ্যালগরিদম সেই উদাহরণগুলো বিশ্লেষণ করে এমন একটি নিয়ম (মডেল) বের করে যা ওই উদাহরণগুলোতে যতটা সম্ভব সঠিক ফলাফল দেয়।

২ · ট্রেনিং, প্যাটার্ন ও জেনারেলাইজেশন

ট্রেনিং প্রক্রিয়াটি মূলত একটি অনুসন্ধান: মডেলের ভেতরের সংখ্যাগত মান (প্যারামিটার) এমনভাবে সমন্বয় করা হয় যাতে ট্রেনিং উদাহরণগুলোতে মডেলের ভবিষ্যদ্বাণী ও প্রকৃত উত্তরের মধ্যে পার্থক্য (ভুল) যতটা সম্ভব কমে। একবার এই প্যাটার্ন শেখা হয়ে গেলে, আশা করা হয় মডেলটি নতুন, আগে না-দেখা ইনপুটেও যুক্তিসঙ্গতভাবে কাজ করবে — একেই বলে জেনারেলাইজেশনGeneralizationট্রেনিং ডেটায় শেখা প্যাটার্ন নতুন, আগে না-দেখা ডেটাতেও কার্যকরভাবে কাজ করার ক্ষমতা।। পরের পাঠ (L34) দেখাবে জেনারেলাইজেশন সবসময় নিশ্চিত নয় — এটি ব্যর্থও হতে পারে।

৩ · একটি সত্যিকারের "উদাহরণ থেকে শেখা" হিসাব

নিচের কোড সেলে সবচেয়ে সহজ সম্ভব মেশিন লার্নিং মডেল তৈরি করা হয়েছে — একটি থ্রেশহোল্ড রুল (সীমারেখা নিয়ম)। ধরা যাক একজন শিক্ষার্থী কত ঘণ্টা পড়াশোনা করেছে তার উপর ভিত্তি করে সে পরীক্ষায় পাস করবে কিনা অনুমান করতে হবে। মডেলটিকে কোনো নির্দিষ্ট থ্রেশহোল্ড দেওয়া হয়নি — বরং কয়েকটি সম্ভাব্য থ্রেশহোল্ড (১ থেকে ১০ ঘণ্টা) নিজে চেষ্টা করে দেখতে হবে, এবং ট্রেনিং উদাহরণগুলোতে যেটি সবচেয়ে কম ভুল করে সেটিকেই "শেখা নিয়ম" হিসেবে বেছে নিতে হবে — এটিই "উদাহরণ থেকে শেখা"র মূল কথা।

# একটি সিন্থেটিক, ইলাস্ট্রেটিভ ডেটাসেট -- বাস্তব কোনো শিক্ষার্থী বা পরীক্ষার তথ্য নয়
# প্রতিটি এন্ট্রি: (পড়াশোনার ঘণ্টা, পাস করেছে কিনা -- 1 = পাস, 0 = ফেল)
training_data = [
    (1, 0), (2, 0), (3, 0), (4, 0), (5, 0), (5, 1),
    (6, 1), (7, 0), (8, 1), (9, 1), (10, 1),
]

def predict(hours, threshold):
    # শেখা নিয়ম: থ্রেশহোল্ডের সমান বা বেশি হলে "পাস" অনুমান
    return 1 if hours >= threshold else 0

def total_errors(data, threshold):
    return sum(1 for hours, label in data if predict(hours, threshold) != label)

# --- "ট্রেনিং": কয়েকটি প্রার্থী থ্রেশহোল্ড চেষ্টা করে সবচেয়ে কম ভুলেরটি খোঁজা ---
candidate_thresholds = list(range(1, 11))

best_threshold = None
best_errors = None
print("থ্রেশহোল্ড  ভুলের সংখ্যা")
for t in candidate_thresholds:
    errors = total_errors(training_data, t)
    print(f"   {t:>2}         {errors}")
    if best_errors is None or errors < best_errors:
        best_errors = errors
        best_threshold = t

error_rate = best_errors / len(training_data)

print(f"\nমডেল যা শিখলো -- সবচেয়ে কম ভুলের থ্রেশহোল্ড: {best_threshold} ঘণ্টা")
print(f"এই থ্রেশহোল্ডে ভুলের হার: {best_errors}/{len(training_data)} = {error_rate:.1%}")