Feature Scaling
📘 Standardization ও Normalization।
🌐 Standardisation and normalisation.
🛠️
1
ধারণা · Concept
কী এবং কেন📘 বাংলা ব্যাখ্যা:
Standardization ও Normalization।
Standardization ও Normalization।
🌐 English:
Standardisation and normalisation.
Standardisation and normalisation.
🗂 কোথায় পড়ে
৩. মেশিন লার্নিং → ফিচার ইঞ্জিনিয়ারিং → Feature Scaling
🎯 এই শাখার লক্ষ্য
Scale, encode, select and create features; pipelines
🧰 টুলস
scikit-learn
🪜
ধাপে ধাপে শিখুন · Step-by-step
কেন শিখবেন → কীভাবে শিখবেন → উদাহরণ → সাধারণ ভুল💡 কেন গুরুত্বপূর্ণ?
দূরত্ব বা গ্রেডিয়েন্টভিত্তিক মডেলে বড় স্কেলের ফিচার অন্যায্যভাবে প্রাধান্য পায়।
- ধাপ 1কোন মডেলে লাগে চিনুন: KNN, SVM, লজিস্টিক রিগ্রেশন, নিউরাল নেট, PCA (ট্রি মডেলে লাগে না)
- ধাপ 2StandardScaler: (x−গড়)/SD
- ধাপ 3MinMaxScaler: ০–১ পরিসরে; RobustScaler: আউটলায়ার থাকলে (মিডিয়ান ও IQR)
- ধাপ 4শুধু ট্রেনিং ডেটায় fit, টেস্টে transform
🧪 বাস্তব উদাহরণ
আয় (লক্ষ টাকা) ও বয়স (বছর) একসাথে KNN-এ—স্কেল না করলে শুধু আয় দিয়েই দূরত্ব ঠিক হয়।
⚠️ সাধারণ ভুল
পুরো ডেটায় scaler fit করে তারপর ভাগ—ডেটা লিকেজ।
🔑 মূল শব্দ (Key terms)
scalingStandardScalerMinMaxScalerRobustScalerdata leakage
3
সাব-টপিক ও বিস্তারিত · Sub-topics
টপিক → সাব-টপিক → সাব-সাব টপিক1.1 StandardScaler1.1.1 গড় 01.1.2 SD 1
1.2 MinMaxScaler1.2.1 0 থেকে 1
1.3 কখন লাগে1.3.1 KNN1.3.2 SVM1.3.3 নিউরাল নেট
🎬
ভিডিও · Videos (বাংলা ও English)
ক্লিক করলে সাইটের ভেতরেই ফ্লোটিং প্লেয়ারে চলবে · ভিডিও MySQL-এ সংরক্ষিত📺 আরও খুঁজুন
💻
হাতে-কলমে · Try it (Feature Engineering)
এডিট করে Run চাপুন · Ctrl+Enterimport pandas as pd
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.pipeline import Pipeline
from sklearn.linear_model import LogisticRegression
df=pd.DataFrame({"age":[22,35,47,52,28,61,33,44],"income":[20,45,60,80,30,90,40,55],"city":list("DSDKSDKS"),"buy":[0,1,1,1,0,1,0,1]})
pre=ColumnTransformer([("num",StandardScaler(),["age","income"]),("cat",OneHotEncoder(),["city"])])
pipe=Pipeline([("pre",pre),("clf",LogisticRegression())]).fit(df.drop(columns="buy"),df.buy)
print("Train accuracy:",pipe.score(df.drop(columns="buy"),df.buy))❓
সেল্ফ-চেক · Self check
1. “গড় 0, SD 1” — এটি কোন সাব-টপিকের বর্ণনা?
2. “0 থেকে 1” — এটি কোন সাব-টপিকের বর্ণনা?
3. “KNN, SVM, নিউরাল নেট” — এটি কোন সাব-টপিকের বর্ণনা?
4. গড় 0 ও SD 1 করে?
5. SMOTE কী সমাধান করে?
🔗
সংযুক্ত কনসেপ্ট · Connected concepts
এই শাখার অন্যান্য অংশ
1. Feature Scaling2. Encoding Categorical Variables3. Feature Selection4. Feature Creation5. Imbalanced Data SMOTE6. Sklearn Pipeline