મશીન લર્નિંગના મૂળભૂત સિદ્ધાંતો (4341603) - ગ્રીષ્મ 2023 સોલ્યુશન

પ્રશ્ન 1(અ) [3 માર્ક્સ]

#

હ્યુમન લર્નિંગને વ્યાખ્યાયિત કરો. હ્યુમન લર્નિંગના પ્રકારોની યાદી બનાવો.

જવાબ:

હ્યુમન લર્નિંગ એ પ્રક્રિયા છે જેના દ્વારા માનવીઓ અનુભવ, અભ્યાસ અથવા સૂચનાઓ દ્વારા નવા જ્ઞાન, કૌશલ્યો, વર્તન મેળવે છે અથવા હાલનાઓમાં ફેરફાર કરે છે.

હ્યુમન લર્નિંગના પ્રકારો:

મેમરી ટ્રીક: “SUR - Supervised, Unsupervised, Reinforcement”

પ્રશ્ન 1(બ) [4 માર્ક્સ]

#

ક્વાલિટેટિવ ડેટા અને ક્વોન્ટિટેટિવ ડેટા વચ્ચે તફાવત આપો.

જવાબ:

ટેબલ: ક્વાલિટેટિવ vs ક્વોન્ટિટેટિવ ડેટા

મેમરી ટ્રીક: “QUAN-Numbers, QUAL-Words”

પ્રશ્ન 1(ક) [7 માર્ક્સ]

#

મશીન લર્નિંગના વિવિધ પ્રકારોની સરખામણી કરો.

જવાબ:

ટેબલ: મશીન લર્નિંગના પ્રકારોની સરખામણી

મુખ્ય તફાવતો:

• સુપરવાઇઝ્ડ: ટ્રેનિંગ માટે ઇનપુટ-આઉટપુટ જોડીનો ઉપયોગ કરે છે
• અનસુપરવાઇઝ્ડ: ડેટામાં છુપાયેલા પેટર્ન શોધે છે
• રિઇનફોર્સમેન્ટ: પર્યાવરણ સાથે ક્રિયાપ્રતિક્રિયા દ્વારા શીખે છે

મેમરી ટ્રીક: “SUR-LAP: Supervised-Labeled, Unsupervised-Reveal, Reinforcement-Action”

પ્રશ્ન 1(ક OR) [7 માર્ક્સ]

#

મશીન લર્નિંગ વ્યાખ્યાયિત કરો. મશીન લર્નિંગની કોઈપણ ચાર એપ્લિકેશનને ટૂંકમાં સમજાવો.

જવાબ:

મશીન લર્નિંગ આર્ટિફિશિયલ ઇન્ટેલિજન્સનો ઉપવિભાગ છે જે કમ્પ્યુટરોને સ્પષ્ટ પ્રોગ્રામિંગ વિના ડેટામાંથી શીખવા અને નિર્ણયો લેવા સક્ષમ બનાવે છે.

ચાર એપ્લિકેશનો:

મેમરી ટ્રીક: “SIRM - Spam, Image, Recommendation, Medical”

પ્રશ્ન 2(અ) [3 માર્ક્સ]

#

નીચેના ઉદાહરણોનો યોગ્ય ડેટા પ્રકાર જણાવો.

જવાબ:

ડેટા પ્રકાર વર્ગીકરણ:

મેમરી ટ્રીક: “NCN - Nominal, Categorical, Numerical”

પ્રશ્ન 2(બ) [4 માર્ક્સ]

#

ડેટા પ્રી-પ્રોસેસિંગ ટૂંકમાં સમજાવો.

જવાબ:

ડેટા પ્રી-પ્રોસેસિંગ એ મશીન લર્નિંગ અલ્ગોરિધમ માટે કાચા ડેટાને તૈયાર કરવાની તકનીક છે.

મુખ્ય સ્ટેપ્સ:

મેમરી ટ્રીક: “CITR - Clean, Integrate, Transform, Reduce”

પ્રશ્ન 2(ક) [7 માર્ક્સ]

#

K-ફોલ્ડ ક્રોસ વેલિડેશન વિગતવાર સમજાવો.

જવાબ:

K-ફોલ્ડ ક્રોસ વેલિડેશન એ ડેટાને K સમાન ભાગોમાં વિભાજિત કરીને મોડેલ પરફોર્મન્સ મૂલ્યાંકનની તકનીક છે.

પ્રક્રિયા:

graph TD
    A[મૂળ ડેટાસેટ] --> B[K ફોલ્ડમાં વિભાજિત કરો]
    B --> C[K-1 ફોલ્ડ ટ્રેનિંગ માટે વાપરો]
    C --> D[1 ફોલ્ડ ટેસ્ટિંગ માટે વાપરો]
    D --> E[K વખત પુનરાવર્તન કરો]
    E --> F[પરિણામોની સરેરાશ કાઢો]

સ્ટેપ્સ:

• વિભાજન: ડેટાસેટને K સમાન ભાગોમાં વહેંચો
• ટ્રેનિંગ: K-1 ફોલ્ડનો ઉપયોગ ટ્રેનિંગ માટે કરો
• ટેસ્ટ: બાકીના ફોલ્ડનો ઉપયોગ વેલિડેશન માટે કરો
• પુનરાવર્તન: K વખત પ્રક્રિયા કરો
• સરેરાશ: સરેરાશ પરફોર્મન્સ કાઢો

ફાયદા:

• ઓવરફિટિંગ ઘટાડે છે
• મર્યાદિત ડેટાનો બહેતર ઉપયોગ
• વધુ વિશ્વસનીય પરફોર્મન્સ અંદાજ

મેમરી ટ્રીક: “DTRA - Divide, Train, Repeat, Average”

પ્રશ્ન 2(અ OR) [3 માર્ક્સ]

#

નીચેના શબ્દો વ્યાખ્યાયિત કરો: i) Mean, ii) Outliers, iii) Interquartile range

જવાબ:

આંકડાકીય શબ્દો:

મેમરી ટ્રીક: “MOI - Mean, Outliers, Interquartile”

પ્રશ્ન 2(બ OR) [4 માર્ક્સ]

#

કન્ફ્યુશન મેટ્રિક્સની રચના સમજાવો.

જવાબ:

કન્ફ્યુશન મેટ્રિક્સ સ્ટ્રક્ચર:

ઘટકો:

• TP: સાચી રીતે આગાહી કરેલા પોઝિટિવ કેસો
• TN: સાચી રીતે આગાહી કરેલા નેગેટિવ કેસો
• FP: ખોટી રીતે પોઝિટિવ તરીકે આગાહી કરેલા
• FN: ખોટી રીતે નેગેટિવ તરીકે આગાહી કરેલા

મેમરી ટ્રીક: “TTFF - True True, False False”

પ્રશ્ન 2(ક OR) [7 માર્ક્સ]

#

ફીચર સબસેટની પસંદગી પર ટૂંકી નોંધ લખો.

જવાબ:

ફીચર સબસેટ સિલેક્શન એ મૂળ ફીચર સેટમાંથી સંબંધિત ફીચર્સ પસંદ કરવાની પ્રક્રિયા છે.

મેથડ્સ:

ફાયદા:

• ઘટાડેલી જટિલતા: ઓછા ફીચર્સ, સરળ મોડેલ્સ
• સુધારેલ પરફોર્મન્સ: નોઇઝ અને અપ્રસ્તુત ફીચર્સ દૂર કરે છે
• ઝડપી ટ્રેનિંગ: ઓછો કમ્પ્યુટેશનલ ઓવરહેડ

લોકપ્રિય તકનીકો:

• Chi-square ટેસ્ટ
• Recursive Feature Elimination
• LASSO રેગ્યુલરાઇઝેશન

મેમરી ટ્રીક: “FWE - Filter, Wrapper, Embedded”

પ્રશ્ન 3(અ) [3 માર્ક્સ]

#

પ્રેડિક્ટિવ મોડેલ અને ડીસ્ક્રિપ્ટિવ મોડેલ વચ્ચેનો તફાવત આપો.

જવાબ:

મોડેલ પ્રકાર સરખામણી:

મેમરી ટ્રીક: “PF-DC: Predictive-Future, Descriptive-Current”

પ્રશ્ન 3(બ) [4 માર્ક્સ]

#

ક્લાસિફિકેશન અને રિગ્રેશન વચ્ચેના તફાવતની ચર્ચા કરો.

જવાબ:

ક્લાસિફિકેશન vs રિગ્રેશન:

મેમરી ટ્રીક: “CCNM - Classification-Categories, Regression-Numbers”

પ્રશ્ન 3(ક) [7 માર્ક્સ]

#

ક્લાસિફિકેશનને વ્યાખ્યાયિત કરો. ક્લાસિફિકેશન લર્નિંગના સ્ટેપને વિગતોમાં સમજાવો.

જવાબ:

ક્લાસિફિકેશન એ સુપરવાઇઝ્ડ લર્નિંગ તકનીક છે જે ઇનપુટ ડેટા માટે ડિસ્ક્રીટ ક્લાસ લેબલ્સની આગાહી કરે છે.

ક્લાસિફિકેશન લર્નિંગ સ્ટેપ્સ:

graph TD
    A[ડેટા કલેક્શન] --> B[ડેટા પ્રીપ્રોસેસિંગ]
    B --> C[ફીચર સિલેક્શન]
    C --> D[ટ્રેન-ટેસ્ટ સ્પ્લિટ]
    D --> E[મોડેલ ટ્રેનિંગ]
    E --> F[મોડેલ મૂલ્યાંકન]
    F --> G[મોડેલ ડિપ્લોયમેન્ટ]

વિગતવાર સ્ટેપ્સ:

• ડેટા કલેક્શન: લેબલ્ડ ટ્રેનિંગ ડેટા એકત્ર કરવો
• પ્રીપ્રોસેસિંગ: ડેટાને સાફ કરવો અને તૈયાર કરવો
• ફીચર સિલેક્શન: સંબંધિત લક્ષણો પસંદ કરવા
• ડેટા સ્પ્લિટ: ટ્રેનિંગ અને ટેસ્ટિંગ સેટમાં વિભાજન
• ટ્રેનિંગ: ટ્રેનિંગ ડેટાનો ઉપયોગ કરીને મોડેલ બનાવવું
• મૂલ્યાંકન: મોડેલ પરફોર્મન્સ ચકાસવી
• ડિપ્લોયમેન્ટ: આગાહીઓ માટે મોડેલનો ઉપયોગ

મેમરી ટ્રીક: “DCFSTED - Data, Clean, Features, Split, Train, Evaluate, Deploy”

પ્રશ્ન 3(અ OR) [3 માર્ક્સ]

#

બેગિંગ અને બૂસ્ટિંગ વચ્ચેનો તફાવત આપો.

જવાબ:

બેગિંગ vs બૂસ્ટિંગ:

મેમરી ટ્રીક: “BPV-BSB: Bagging-Parallel-Variance, Boosting-Sequential-Bias”

પ્રશ્ન 3(બ OR) [4 માર્ક્સ]

#

લોજિસ્ટિક રિગ્રેશનના વિવિધ પ્રકારો સંક્ષિપ્તમાં સમજાવો.

જવાબ:

લોજિસ્ટિક રિગ્રેશનના પ્રકારો:

મેમરી ટ્રીક: “BMO - Binary, Multinomial, Ordinal”

પ્રશ્ન 3(ક OR) [7 માર્ક્સ]

#

k-NN અલ્ગોરિધમ લખો અને તેના ઉપયોગ બતાવો.

જવાબ:

K-નિયરેસ્ટ નેઇબર્સ (k-NN) એ લેઝી લર્નિંગ અલ્ગોરિધમ છે જે k નજીકના પડોશીઓના બહુમતી ક્લાસના આધારે ડેટા પોઇન્ટ્સને વર્ગીકૃત કરે છે.

અલ્ગોરિધમ:

અંતર ગણતરી:

• યુક્લિડિયન ડિસ્ટન્સ: √[(x₁-x₂)² + (y₁-y₂)²]

એપ્લિકેશનો:

• રેકમેન્ડેશન સિસ્ટમ્સ: સમાન યુઝર પ્રાધાન્યો
• ઇમેજ રેકગ્નિશન: પેટર્ન મેચિંગ
• મેડિકલ ડાયગ્નોસિસ: લક્ષણોની સમાનતા

ફાયદા:

• અમલમાં મૂકવામાં સરળ
• ટ્રેનિંગની જરૂર નથી
• નાના ડેટાસેટ સાથે સારું કામ કરે છે

મેમરી ટ્રીક: “CDSA - Choose, Distance, Select, Assign”

પ્રશ્ન 4(અ) [3 માર્ક્સ]

#

સપોર્ટ વેક્ટર મશીનની એપ્લિકેશનોની યાદી બનાવો.

જવાબ:

SVM એપ્લિકેશનો:

મેમરી ટ્રીક: “TIB - Text, Image, Bio”

પ્રશ્ન 4(બ) [4 માર્ક્સ]

#

k-means અલ્ગોરિધમ માટે સ્યુડો કોડ બનાવો.

જવાબ:

K-means સ્યુડો કોડ:

BEGIN K-means
1. k ક્લસ્ટર સેન્ટ્રોઇડ્સને રેન્ડમલી ઇનિશિયલાઇઝ કરો
2. REPEAT
   a. દરેક પોઇન્ટને નજીકના સેન્ટ્રોઇડને અસાઇન કરો
   b. અસાઇન કરેલા પોઇન્ટ્સના મીન તરીકે સેન્ટ્રોઇડ્સ અપડેટ કરો
   c. ટોટલ વિથિન-ક્લસ્ટર સમ ઓફ સ્ક્વેર્સ કાઢો
3. UNTIL કન્વર્જન્સ અથવા મેક્સ આવર્તન
4. RETURN ફાઇનલ ક્લસ્ટર્સ અને સેન્ટ્રોઇડ્સ
END

મેમરી ટ્રીક: “IAUC - Initialize, Assign, Update, Check”

પ્રશ્ન 4(ક) [7 માર્ક્સ]

#

અનસુપરવાઇઝ્ડ લર્નિંગની એપ્લિકેશનો લખો અને સમજાવો.

જવાબ:

અનસુપરવાઇઝ્ડ લર્નિંગ લેબલ્ડ ઉદાહરણો વિના ડેટામાં છુપાયેલા પેટર્ન શોધે છે.

મુખ્ય એપ્લિકેશનો:

ક્લસ્ટરિંગ એપ્લિકેશનો:

• માર્કેટ રિસર્ચ: કસ્ટમર ગ્રુપિંગ
• સોશિયલ નેટવર્ક વિશ્લેષણ: કમ્યુનિટી ડિટેક્શન
• જીન સીક્વેન્સિંગ: બાયોલોજિકલ ક્લાસિફિકેશન

ડાયમેન્શનાલિટી રિડક્શન:

• વિઝ્યુઅલાઇઝેશન: હાઇ-ડાયમેન્શનલ ડેટા પ્લોટિંગ
• ફીચર એક્સ્ટ્રેક્શન: નોઇઝ રિડક્શન

મેમરી ટ્રીક: “CADA - Customer, Anomaly, Data, Association”

પ્રશ્ન 4(અ OR) [3 માર્ક્સ]

#

રિગ્રેશનની એપ્લિકેશનોની યાદી બનાવો.

જવાબ:

રિગ્રેશન એપ્લિકેશનો:

મેમરી ટ્રીક: “SSM - Stock, Sales, Medical”

પ્રશ્ન 4(બ OR) [4 માર્ક્સ]

#

નીચેના શબ્દો વ્યાખ્યાયિત કરો: i) Support ii) Confidence

જવાબ:

એસોસિએશન રૂલ શબ્દો:

ઉદાહરણ:

• જો 30% ટ્રાન્ઝેક્શનમાં બ્રેડ અને દૂધ હોય: Support = 0.3
• જો 80% બ્રેડ ખરીદનારાઓ દૂધ પણ ખરીદે: Confidence = 0.8

મેમરી ટ્રીક: “SF-CP: Support-Frequency, Confidence-Probability”

પ્રશ્ન 4(ક OR) [7 માર્ક્સ]

#

apriori algorithm ને વિગતવાર સમજાવો.

જવાબ:

Apriori અલ્ગોરિધમ એપ્રિઓરી પ્રોપર્ટીનો ઉપયોગ કરીને ટ્રાન્ઝેક્શનલ ડેટામાં ફ્રીક્વન્ટ આઇટમસેટ્સ શોધે છે.

અલ્ગોરિધમ સ્ટેપ્સ:

graph TD
    A[ફ્રીક્વન્ટ 1-આઇટમસેટ્સ શોધો] --> B[કેન્ડિડેટ 2-આઇટમસેટ્સ જનરેટ કરો]
    B --> C[એપ્રિઓરી પ્રોપર્ટી વાપરીને પ્રૂન કરો]
    C --> D[ડેટાબેઝમાં સપોર્ટ કાઉન્ટ કરો]
    D --> E[ફ્રીક્વન્ટ k-આઇટમસેટ્સ શોધો]
    E --> F{વધુ કેન્ડિડેટ્સ?}
    F -->|હા| B
    F -->|ના| G[રૂલ્સ જનરેટ કરો]

એપ્રિઓરી પ્રોપર્ટી:

• જો આઇટમસેટ ફ્રીક્વન્ટ છે, તો તેના બધા સબસેટ્સ ફ્રીક્વન્ટ છે
• જો આઇટમસેટ ઇનફ્રીક્વન્ટ છે, તો તેના બધા સુપરસેટ્સ ઇનફ્રીક્વન્ટ છે

સ્ટેપ્સ:

1. ડેટાબેઝ સ્કેન: 1-આઇટમ સપોર્ટ કાઉન્ટ કરો
2. કેન્ડિડેટ્સ જનરેટ: ફ્રીક્વન્ટ k-આઇટમસેટ્સમાંથી k+1 આઇટમસેટ્સ બનાવો
3. પ્રૂન: ઇનફ્રીક્વન્ટ સબસેટ્સ સાથેના કેન્ડિડેટ્સ દૂર કરો
4. સપોર્ટ કાઉન્ટ: કેન્ડિડેટ ફ્રીક્વન્સી માટે ડેટાબેઝ સ્કેન કરો
5. પુનરાવર્તન: નવા ફ્રીક્વન્ટ આઇટમસેટ્સ ન મળે ત્યાં સુધી

એપ્લિકેશનો:

• માર્કેટ બાસ્કેટ વિશ્લેષણ
• વેબ યુઝેજ પેટર્ન
• પ્રોટીન સીક્વન્સ

મેમરી ટ્રીક: “SGPCR - Scan, Generate, Prune, Count, Repeat”

પ્રશ્ન 5(અ) [3 માર્ક્સ]

#

matplotlib ના મુખ્ય ફીચર્સની યાદી બનાવો.

જવાબ:

Matplotlib ફીચર્સ:

મેમરી ટ્રીક: “MCE - Multiple, Customization, Export”

પ્રશ્ન 5(બ) [4 માર્ક્સ]

#

Numpy ના પ્રોગ્રામમાં iris ડેટાસેટ કેવી રીતે લોડ કરવો? સમજાવો.

જવાબ:

NumPy માં Iris ડેટાસેટ લોડ કરવું:

import numpy as np
from sklearn.datasets import load_iris

# iris ડેટાસેટ લોડ કરો
iris = load_iris()
data = iris.data    # ફીચર્સ
target = iris.target # લેબલ્સ

સ્ટેપ્સ:

• Import: જરૂરી લાઇબ્રેરીઓ import કરો
• Load: sklearn ના load_iris() ફંક્શનનો ઉપયોગ કરો
• Extract: ફીચર્સ અને ટાર્ગેટ એરે મેળવો
• Access: .data અને .target એટ્રિબ્યુટ્સનો ઉપયોગ કરો

મેમરી ટ્રીક: “ILEA - Import, Load, Extract, Access”

પ્રશ્ન 5(ક) [7 માર્ક્સ]

#

Pandas ની વિશેષતાઓ અને એપ્લિકેશનો સમજાવો.

જવાબ:

Pandas એ Python માટે શક્તિશાળી ડેટા મેનિપ્યુલેશન અને વિશ્લેષણ લાઇબ્રેરી છે.

મુખ્ય ફીચર્સ:

એપ્લિકેશનો:

સામાન્ય ઓપરેશન્સ:

• ડેટા વાંચવો: pd.read_csv(), pd.read_excel()
• ફિલ્ટરિંગ: df[df[‘column’] > value]
• ગ્રુપિંગ: df.groupby(‘column’).mean()

મેમરી ટ્રીક: “DSDCG - DataFrame, Series, Data I/O, Cleaning, Grouping”

પ્રશ્ન 5(અ OR) [3 માર્ક્સ]

#

matplotlib ની એપ્લિકેશનોની યાદી બનાવો.

જવાબ:

Matplotlib એપ્લિકેશનો:

મેમરી ટ્રીક: “SBE - Scientific, Business, Educational”

પ્રશ્ન 5(બ OR) [4 માર્ક્સ]

#

Pandas માં csv ફાઇલ ઇમ્પોર્ટ કરવાના સ્ટેપ્સ લખો અને સમજાવો.

જવાબ:

Pandas માં CSV ઇમ્પોર્ટ કરવાના સ્ટેપ્સ:

import pandas as pd

# સ્ટેપ 1: pandas લાઇબ્રેરી import કરો
# સ્ટેપ 2: read_csv() ફંક્શનનો ઉપયોગ કરો
df = pd.read_csv('filename.csv')

# વૈકલ્પિક પેરામીટર્સ
df = pd.read_csv('file.csv', 
                 header=0,     # પ્રથમ પંક્તિ હેડર તરીકે
                 sep=',',      # કોમા સેપરેટર
                 index_col=0)  # પ્રથમ કૉલમ ઇન્ડેક્સ તરીકે

પ્રક્રિયા:

• Import: pandas લાઇબ્રેરી import કરો
• Read: pd.read_csv() ફંક્શનનો ઉપયોગ કરો
• Specify: ફાઇલ પાથ અને પેરામીટર્સ ઉમેરો
• Store: DataFrame વેરિએબલમાં અસાઇન કરો

મેમરી ટ્રીક: “IRSS - Import, Read, Specify, Store”

પ્રશ્ન 5(ક OR) [7 માર્ક્સ]

#

Scikit-Learn ની વિશેષતાઓ અને એપ્લિકેશનો સમજાવો.

જવાબ:

Scikit-Learn એ Python માટે વ્યાપક મશીન લર્નિંગ લાઇબ્રેરી છે.

મુખ્ય ફીચર્સ:

એપ્લિકેશનો:

અલ્ગોરિધમ કેટેગરીઓ:

• સુપરવાઇઝ્ડ: SVM, Random Forest, Linear Regression
• અનસુપરવાઇઝ્ડ: K-means, DBSCAN, PCA
• એન્સેમ્બલ: Bagging, Boosting

વર્કફ્લો:

1. ડેટા તૈયારી: પ્રીપ્રોસેસિંગ
2. મોડેલ સિલેક્શન: અલ્ગોરિધમ પસંદ કરો
3. ટ્રેનિંગ: ડેટા પર મોડેલ ફિટ કરો
4. મૂલ્યાંકન: પરફોર્મન્સ આકારો
5. આગાહી: ફોરકાસ્ટ બનાવો

મેમરી ટ્રીક: “APME - Algorithms, Preprocessing, Metrics, Evaluation”