পরিবর্তনশীল গুরুত্ব

পরিবর্তনশীল গুরুত্ব ( বৈশিষ্ট্যের গুরুত্ব হিসাবেও পরিচিত) হল একটি স্কোর যা নির্দেশ করে যে মডেলের জন্য একটি বৈশিষ্ট্য কতটা "গুরুত্বপূর্ণ"। উদাহরণস্বরূপ, যদি দুটি ইনপুট বৈশিষ্ট্য "f1" এবং "f2" সহ একটি প্রদত্ত মডেলের জন্য পরিবর্তনশীল গুরুত্ব হয় {f1=5.8, f2=2.5}, তাহলে বৈশিষ্ট্যটির চেয়ে মডেলের জন্য "f1" বৈশিষ্ট্যটি বেশি "গুরুত্বপূর্ণ" "f2"। অন্যান্য মেশিন লার্নিং মডেলের মতো, পরিবর্তনশীল গুরুত্ব একটি সিদ্ধান্ত গাছ কীভাবে কাজ করে তা বোঝার একটি সহজ উপায়।

আপনি সিদ্ধান্ত গাছে মডেল অজ্ঞেয়বাদী পরিবর্তনশীল গুরুত্ব যেমন পারমুটেশন পরিবর্তনশীল গুরুত্ব প্রয়োগ করতে পারেন।

সিদ্ধান্ত গাছেরও নির্দিষ্ট পরিবর্তনশীল গুরুত্ব রয়েছে, যেমন:

• প্রদত্ত ভেরিয়েবলের সাথে বিভক্ত স্কোরের যোগফল।
• প্রদত্ত ভেরিয়েবল সহ নোডের সংখ্যা।
• সমস্ত গাছ পাথ জুড়ে একটি বৈশিষ্ট্যের প্রথম ঘটনার গড় গভীরতা৷

পরিবর্তনশীল গুরুত্ব গুণাবলী দ্বারা পৃথক হতে পারে যেমন:

• শব্দার্থবিদ্যা
• স্কেল
• বৈশিষ্ট্য

উপরন্তু, পরিবর্তনশীল গুরুত্ব বিভিন্ন ধরনের তথ্য প্রদান করে:

• মডেলটি
• ডেটাসেট
• প্রশিক্ষণ প্রক্রিয়া

উদাহরণস্বরূপ, একটি নির্দিষ্ট বৈশিষ্ট্য ধারণকারী শর্তের সংখ্যা নির্দেশ করে যে একটি সিদ্ধান্ত গাছ এই নির্দিষ্ট বৈশিষ্ট্যটি কতটা দেখছে, যা পরিবর্তনশীল গুরুত্ব নির্দেশ করতে পারে। সর্বোপরি, লার্নিং অ্যালগরিদম একাধিক শর্তে একটি বৈশিষ্ট্য ব্যবহার করত না যদি এটি কোন ব্যাপার না। যাইহোক, একই বৈশিষ্ট্য একাধিক পরিস্থিতিতে প্রদর্শিত হতে পারে যে একটি মডেল চেষ্টা করছে কিন্তু একটি বৈশিষ্ট্যের প্যাটার্নকে সাধারণীকরণ করতে ব্যর্থ হচ্ছে। উদাহরণস্বরূপ, এটি ঘটতে পারে যখন একটি বৈশিষ্ট্য শুধুমাত্র একটি উদাহরণ শনাক্তকারী হয় যেখানে সাধারণীকরণের জন্য কোন তথ্য নেই৷

অন্যদিকে, একটি উচ্চ স্থানচ্যুতি পরিবর্তনশীল গুরুত্বের জন্য একটি উচ্চ মান নির্দেশ করে যে একটি বৈশিষ্ট্য অপসারণ করা মডেলটিকে আঘাত করে, যা পরিবর্তনশীল গুরুত্বের একটি ইঙ্গিত। যাইহোক, যদি মডেলটি শক্তিশালী হয়, তাহলে যেকোন একটি বৈশিষ্ট্য সরানো হলে মডেলের ক্ষতি নাও হতে পারে।

যেহেতু বিভিন্ন পরিবর্তনশীল গুরুত্ব মডেলের বিভিন্ন দিক সম্পর্কে অবহিত করে, একই সময়ে বিভিন্ন পরিবর্তনশীল গুরুত্বের দিকে তাকানো তথ্যপূর্ণ। উদাহরণস্বরূপ, সমস্ত পরিবর্তনশীল গুরুত্ব অনুযায়ী একটি বৈশিষ্ট্য গুরুত্বপূর্ণ হলে, এই বৈশিষ্ট্যটি সম্ভবত গুরুত্বপূর্ণ। অন্য একটি উদাহরণ হিসাবে, যদি একটি বৈশিষ্ট্যের উচ্চ "নোডের সংখ্যা" পরিবর্তনশীল গুরুত্ব এবং একটি ছোট "পরিবর্তন" পরিবর্তনশীল গুরুত্ব থাকে, তাহলে এই বৈশিষ্ট্যটি সাধারণীকরণ করা কঠিন হতে পারে এবং মডেলের গুণমানকে আঘাত করতে পারে।

YDF কোড

YDF-এ, আপনি model.describe() কল করে এবং "ভেরিয়েবল গুরুত্ব" ট্যাবে দেখে একটি মডেলের পরিবর্তনশীল গুরুত্ব দেখতে পারেন। আরো বিস্তারিত জানার জন্য মডেল বোঝার টিউটোরিয়াল দেখুন।