Linear Regression
📘 সংখ্যা অনুমানের সবচেয়ে সহজ মডেল।
🌐 Predict a number with a straight-line fit.
🎯
1
ধারণা · Concept
কী এবং কেন📘 বাংলা ব্যাখ্যা:
সংখ্যা অনুমানের সবচেয়ে সহজ মডেল।
সংখ্যা অনুমানের সবচেয়ে সহজ মডেল।
🌐 English:
Predict a number with a straight-line fit.
Predict a number with a straight-line fit.
🗂 কোথায় পড়ে
৩. মেশিন লার্নিং → সুপারভাইজড লার্নিং → Linear Regression
🎯 এই শাখার লক্ষ্য
Train, compare and choose regression/classification models
🧰 টুলস
scikit-learn, XGBoost
🪜
ধাপে ধাপে শিখুন · Step-by-step
কেন শিখবেন → কীভাবে শিখবেন → উদাহরণ → সাধারণ ভুল💡 কেন গুরুত্বপূর্ণ?
সবচেয়ে সহজ ও ব্যাখ্যাযোগ্য মডেল—বেসলাইন ও প্রভাব ব্যাখ্যায় এখনো জনপ্রিয়।
- ধাপ 1মডেল: ŷ = β₀ + β₁x₁ + ... + βₙxₙ
- ধাপ 2OLS: বর্গ ত্রুটির যোগফল ন্যূনতম করে সহগ নির্ধারণ
- ধাপ 3সহগের অর্থ: অন্যগুলো স্থির রেখে x এক একক বাড়লে y কত বদলায়
- ধাপ 4অনুমান যাচাই: রৈখিকতা, রেসিডুয়াল স্বাধীন ও সমান বিস্তার; statsmodels দিয়ে p-value ও CI
🧪 বাস্তব উদাহরণ
বাড়ির দাম = ২০ লাখ + ৫০০০×বর্গফুট → প্রতি অতিরিক্ত বর্গফুটে ৫০০০ টাকা।
⚠️ সাধারণ ভুল
কোরিলেটেড ফিচারের সহগ আলাদাভাবে ব্যাখ্যা করা (multicollinearity)।
🔑 মূল শব্দ (Key terms)
linear regressionOLScoefficientinterceptresidual
3
সাব-টপিক ও বিস্তারিত · Sub-topics
টপিক → সাব-টপিক → সাব-সাব টপিক1.1 মডেল1.1.1 y = β₀ + β₁x
1.2 OLS1.2.1 বর্গ ত্রুটির যোগফল ন্যূনতম
1.3 অনুমান1.3.1 রৈখিকতা1.3.2 স্বাধীন ত্রুটি
🎬
ভিডিও · Videos (বাংলা ও English)
ক্লিক করলে সাইটের ভেতরেই ফ্লোটিং প্লেয়ারে চলবে · ভিডিও MySQL-এ সংরক্ষিত📺 আরও খুঁজুন
💻
হাতে-কলমে · Try it (Supervised Learning)
এডিট করে Run চাপুন · Ctrl+Enterfrom sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier, GradientBoostingClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
X,y=load_breast_cancer(return_X_y=True); Xtr,Xte,ytr,yte=train_test_split(X,y,random_state=1)
for n,m in {"LogReg":make_pipeline(StandardScaler(),LogisticRegression(max_iter=500)),"KNN":make_pipeline(StandardScaler(),KNeighborsClassifier()),
"RandomForest":RandomForestClassifier(random_state=0),"GradBoost":GradientBoostingClassifier()}.items():
print(f"{n:13s} accuracy = {m.fit(Xtr,ytr).score(Xte,yte):.3f}")❓
সেল্ফ-চেক · Self check
1. “y = β₀ + β₁x” — এটি কোন সাব-টপিকের বর্ণনা?
2. “বর্গ ত্রুটির যোগফল ন্যূনতম” — এটি কোন সাব-টপিকের বর্ণনা?
3. “রৈখিকতা, স্বাধীন ত্রুটি” — এটি কোন সাব-টপিকের বর্ণনা?
4. Lasso কোন রেগুলারাইজেশন?
5. Random Forest কোন কৌশল?
🔗
সংযুক্ত কনসেপ্ট · Connected concepts
এই শাখার অন্যান্য অংশ
1. Linear Regression2. Polynomial Regression3. Ridge Lasso Regularization4. Logistic Regression5. KNN6. Naive Bayes7. Decision Tree8. Random Forest9. SVM10. Gradient Boosting XGBoost11. LightGBM CatBoost
অন্য শাখার সম্পর্কিত টপিক
📐 Linear Algebra Basics🔢 NumPy Linear Algebra🎯 Polynomial Regression🎯 Logistic Regression📏 Regression Metrics MAE RMSE R2📍 Geographically Weighted Regression