مشین لرننگ میں فائنڈ ایس الگورتھم کو کیسے نافذ کریں؟

میں ، تصور سیکھنے کو ' مفروضے کے لئے ممکنہ قیاس کی ایک وضاحتی جگہ کے بارے میں تلاش کرنے کا مسئلہ جو تربیت کی مثالوں سے بہترین فٹ بیٹھتا ہے۔ ”- ٹام مچل۔ اس مضمون میں ، ہم اس طرح کے ایک تصوراتی سیکھنے الگورتھم سے گزریں گے جسے فائنڈ-ایس الگورتھم کے نام سے جانا جاتا ہے۔ اس مضمون میں مندرجہ ذیل موضوعات پر تبادلہ خیال کیا گیا ہے۔

• مشین لرننگ میں فائنڈ ایس الگورتھم کیا ہے؟
• یہ کیسے کام کرتا ہے؟
• فائنڈ-ایس الگورتھم کی حدود
• فائنڈ ایس الگورتھم کا نفاذ
• کیس استعمال کریں

مشین لرننگ میں فائنڈ ایس الگورتھم کیا ہے؟

فائنڈ-ایس الگورتھم کو سمجھنے کے ل you ، آپ کو مندرجہ ذیل تصورات کا بھی بنیادی خیال رکھنے کی ضرورت ہے۔

1. تصور سیکھنا
2. عمومی فرضی تصور
3. مخصوص مفروضے

1. تصور سیکھنا

آئیے ایک حقیقی زندگی کی مثال کے ساتھ تصور سیکھنے کو سمجھنے کی کوشش کریں۔ زیادہ تر انسان کی تعلیم ماضی کی مثالوں یا تجربات پر مبنی ہے۔ مثال کے طور پر ، ہم کسی بھی قسم کی گاڑی کی شناخت کرنے کے اہل ہیں جیسے میک ، ماڈل ، وغیرہ کی خصوصیات کے ایک مخصوص سیٹ پر مبنی ہے ، جو خصوصیات کی ایک بڑی سیٹ پر تعریف کی گئی ہے۔

یہ خاص خصوصیات گاڑیوں ، ٹرک وغیرہ کے سیٹوں کو گاڑیوں کے بڑے سیٹ سے ممتاز کرتی ہیں۔ یہ خصوصیات جو کاروں ، ٹرک وغیرہ کے سیٹ کی وضاحت کرتی ہیں وہ تصورات کے نام سے مشہور ہیں۔

اسی طرح ، مشینیں تصورات سے یہ بھی سیکھ سکتی ہیں کہ یہ شناخت کرنے کے لئے کہ آیا کسی شے کا تعلق کسی خاص زمرے سے ہے یا نہیں۔ کوئی جو تصور سیکھنے کی حمایت کرتا ہے ان کے لئے درج ذیل کی ضرورت ہے:

• تربیت کا ڈیٹا
• ہدف کا تصور
• اصل ڈیٹا آبجیکٹ

2. عمومی فرضی تصور

مفروضے ، عام طور پر ، کسی چیز کی وضاحت ہے۔ عمومی مفروضے بنیادی طور پر اہم متغیرات کے مابین عمومی تعلقات کو بیان کرتا ہے۔ مثال کے طور پر ، کھانے کا آرڈر دینے کے لئے ایک عمومی قیاس آرائی ہوگی مجھے برگر چاہئے۔

جی = {‘؟’ ، ‘؟’ ، ‘؟’ ،… .. ’؟‘

3. مخصوص فرضی تصور

مخصوص مفروضے عام مفروضے میں دیئے گئے متغیرات کے بارے میں تمام اہم تفصیلات میں بھرتا ہے۔ مذکورہ بالا مثال کے بارے میں زیادہ مخصوص تفصیلات یہ ہوں گی میں ایک چکنبرگر چاہتا ہوں جس میں ایک مرغی کی پیپروونی بہت لیٹش بھرتا ہو۔

S = {‘& Phi’ ، ’& Phi‘ ، '& Phi' ، …… ، '& Phi'

اب ، مشین لرننگ میں فائنڈ-ایس الگورتھم کے بارے میں بات کرتے ہیں۔

sql اور pl sql سبق

فائنڈ-ایس الگورتھم ذیل میں لکھے گئے مراحل کی پیروی کرتا ہے:

1. سب سے مخصوص مفروضے کے لئے ’ح‘ کا آغاز کریں۔
2. فائنڈ ایس الگورتھم صرف مثبت مثالوں پر غور کرتا ہے اور منفی مثالوں کو ختم کرتا ہے۔ ہر مثبت مثال کے ل، ، الگورتھم مثال کے طور پر ہر ایک وصف کی جانچ پڑتال کرتا ہے۔ اگر اوصاف کی قدر مفروضہ قدر جیسی ہی ہے تو ، الگورتھم بغیر کسی تبدیلی کے آگے بڑھتا ہے۔ لیکن اگر اوصاف کی قدر مفروضہ قدر سے مختلف ہے تو ، الگورتھم اس کو ‘؟’ میں تبدیل کرتا ہے۔

اب جب کہ ہم فائنڈ-ایس الگورتھم کی بنیادی وضاحت کے ساتھ کر رہے ہیں ، آئیے اس پر ایک نظر ڈالیں کہ یہ کیسے کام کرتا ہے۔

یہ کیسے کام کرتا ہے؟

1. یہ عمل سب سے مخصوص مفروضے کے ساتھ شروع کرتے ہوئے ‘ح’ شروع ہوتا ہے ، عام طور پر ، یہ ڈیٹا سیٹ میں پہلی مثبت مثال ہے۔
2. ہم ہر مثبت مثال کی جانچ کرتے ہیں۔ اگر مثال منفی ہے تو ہم اگلی مثال کی طرف گامزن ہوجائیں گے لیکن اگر یہ ایک مثبت مثال ہے تو ہم اسے اگلے مرحلے پر غور کریں گے۔
3. ہم جانچیں گے کہ کیا مثال میں ہر ایک وصف مفروضہ قدر کے برابر ہے یا نہیں۔
4. اگر قدر سے میل کھاتا ہے تو پھر کوئی تبدیلی نہیں کی جاتی ہے۔
5. اگر قیمت مماثل نہیں ہے تو ، قدر کو ‘؟’ میں تبدیل کر دیا گیا ہے۔
6. ہم اس وقت تک کرتے ہیں جب تک کہ ہم ڈیٹا سیٹ میں آخری مثبت مثال تک نہ پہنچ جائیں۔

فائنڈ-ایس الگورتھم کی حدود

ذیل میں فائنڈ-ایس الگورتھم کی کچھ حدود ہیں۔

1. اس بات کا تعین کرنے کا کوئی طریقہ نہیں ہے کہ آیا ڈیٹا میں مفروضے مستقل ہیں یا نہیں۔
2. متضاد ٹریننگ سیٹ دراصل فائنڈ-ایس الگورتھم کو گمراہ کرسکتے ہیں ، کیونکہ یہ منفی مثالوں کو نظرانداز کرتا ہے۔
3. فائنڈ ایس الگورتھم بیک ٹریکنگ تکنیک فراہم نہیں کرتا ہے تاکہ ممکنہ بہترین تبدیلیوں کا تعی .ن کیا جاسکے جو نتیجے میں مفروضے کو بہتر بنانے کے لئے کی جاسکتی ہیں۔

اب جب کہ ہم فائنڈ ایس الگورتھم کی حدود سے واقف ہیں ، آئیے فائنڈ ایس الگوریتم کے عملی نفاذ پر ایک نظر ڈالیں۔

فائنڈ ایس الگورتھم کا نفاذ

نفاذ کو سمجھنے کے ل us ، آئیے ہم اسے ایک چھوٹے سے اعداد و شمار پر مرتب کرنے کی کوشش کریں جس میں مثال کے طور پر یہ فیصلہ کیا جائے کہ آیا کوئی شخص سیر کرنا چاہتا ہے۔

اس خاص پریشانی کا تصور اسی دن ہوگا کہ انسان کونسا دن چلنے پھرنا پسند کرتا ہے۔

ڈیٹا سیٹ کو دیکھیں تو ، ہمارے پاس چھ اوصاف اور ایک حتمی وصف ہے جو مثبت یا منفی مثال کی وضاحت کرتی ہے۔ اس معاملے میں ، ہاں ایک مثبت مثال ہے ، جس کا مطلب ہے کہ وہ شخص سیر کے لئے جائے گا۔

تو اب ، عمومی قیاس ہے:

h₀= {'صبح' ، 'سنی' ، 'گرم' ، 'ہاں' ، 'ہلکے' ، 'مضبوط'}

یہ ہمارا عام مفروضہ ہے ، اور اب ہم ہر ایک مثال کو ایک ایک کر کے غور کریں گے ، لیکن صرف مثبت مثالوں پر۔

h_ایک= {‘صبح’ ، ‘سنی’ ، ‘؟’ ، ‘ہاں’ ، ‘؟’ ، ‘؟’}

h₂= {‘؟’ ، ‘سنی’ ، ‘؟’ ، ‘ہاں’ ، ‘؟’ ، ‘؟’

اس کے نتیجے میں مفروضے حاصل کرنے کے لئے ہم نے عام مفروضے میں تمام مختلف اقدار کی جگہ لے لی۔ اب جب ہم جانتے ہیں کہ فائنڈ-ایس الگورتھم کیسے کام کرتا ہے ، تو آئیے اس کا استعمال کرتے ہوئے عمل پر ایک نظر ڈالیں ازگر .

کیس استعمال کریں

آئیے استعمال کرتے ہوئے مذکورہ بالا مثال کو نافذ کرنے کی کوشش کرتے ہیں . مذکورہ اعداد و شمار کا استعمال کرتے ہوئے فائنڈ-ایس الگورتھم کو نافذ کرنے کے لئے کوڈ ذیل میں دیا گیا ہے۔

پی ڈی کی حیثیت سے پانڈا درآمد کریں جیسے np # pd.read_csv ('data.csv') پرنٹ (ڈیٹا ، 'n') پرنٹ کرنے کے لئے CSV فائل ڈیٹا = پی ڈی.ریڈ_کیسوی (ڈیٹا ، 'این') میں ڈیٹا پڑھنے کے لئے d = np.array (ڈیٹا) [:،: - 1] پرنٹ ('n اوصاف یہ ہیں:'، d) # اس نشانے کو بڑھاتے ہوئے جس میں مثبت اور منفی مثالوں کا ہدف = np.array (ڈیٹا) ہے [:، - 1] پرنٹ ('n ہدف یہ ہے: '، ہدف) # ٹریننگ فنکشن کو لاگو کرنے کے لئے فائنڈ-الگورتھم ڈیف ٹرین (سی ، ٹی): آئی کے لئے ، ویل میں گنتی (ٹی): اگر ویل ==' ہاں ': مخصوص_ہائپوتیسس = سی [i]۔ کاپی () توڑنے کے لئے I ، ویل میں گنتی (c): اگر t [i] == 'ہاں': x میں حد میں (لین (مخصوص_ہائپوتھیس)): اگر ویل [x]! = مخصوص_ہائپوتھیس [x]: مخصوص_ہائپوتیس [ x] = '؟' ورنہ: آخری واپسی پرنٹ حاصل کرنے کے لئے مخصوص_ہائپوٹیسس # کی واپسی کو منظور کریں ('n آخری مفروضہ یہ ہے:' ، ٹرین (ڈی ، ٹارگٹ))

آؤٹ پٹ:

یہ ہمارے اس مضمون کے اختتام تک پہنچا ہے جہاں ہم نے مچھ میں فائنڈ-ایس الگورتھم سیکھا ہےits اس کے نفاذ اور استعمال کے معاملے سے سیکھنا۔ میں امید کرتا ہوں کہ اس سبق کے ساتھ جو کچھ آپ کے ساتھ شیئر کیا گیا ہے اس سے آپ صاف ہیں۔

اگر آپ کو یہ مضمون 'مشین لرننگ میں فائنڈ-ایس الگورتھم' پر مل گیا تو ، چیک کریں ایک قابل اعتماد آن لائن سیکھنے کی کمپنی جس کا نیٹ ورک 250،000 سے زیادہ مطمئن سیکھنے والوں کے نیٹ ورک کے ساتھ پوری دنیا میں پھیل گیا ہے۔

ہم یہاں آپ کے سفر کے ہر قدم میں آپ کی مدد کرنے اور نصاب کے ساتھ آنے کے لئے حاضر ہیں جو طلباء اور پیشہ ور افراد کے لئے ڈیزائن کیا گیا ہے جو چاہتے ہیں کہ . کورس آپ کو ازگر کے پروگرامنگ میں آغاز فراہم کرنے اور مختلف اور بنیادی ایڈوانس تصورات کے لئے آپ کو تربیت دینے کے لئے ڈیزائن کیا گیا ہے پسند ہے ، ، وغیرہ

اگر آپ کو کوئی سوالات آتے ہیں تو ، 'مشین لرننگ میں فائنڈ-ایس الگورتھم' کے تبصرے کے سیکشن میں اپنے تمام سوالات سے بلا جھجھک پوچھیں اور ہماری ٹیم جواب دینے میں خوش ہوگی۔