મશીન લર્નિંગનાં મૂળતત્વો (4341603) - શિયાળો 2023 સોલ્યુશન

પ્રશ્ન 1(અ) [3 ગુણ]

#

Human learning વ્યાખ્યાયિત કરો અને સમજાવો કે machine learning human learning થી કેવી રીતે અલગ છે?

જવાબ:

Human Learning વિ Machine Learning કોષ્ટક:

• Human Learning: અનુભવ, અવલોકન અને તર્ક દ્વારા જ્ઞાન મેળવવાની પ્રક્રિયા
• Machine Learning: ડેટામાં પેટર્ન ઓળખવા માટે અલ્ગોરિધમનો ઉપયોગ કરીને આપોઆપ શીખવાની પ્રક્રિયા

મેમરી ટ્રીક: “Humans Experience, Machines Analyze Data” (HEMAD)

પ્રશ્ન 1(બ) [4 ગુણ]

#

ફાઇનાન્સ અને બેંકિંગમાં મશીન લર્નિંગના ઉપયોગનું વર્ણન કરો.

જવાબ:

ફાઇનાન્સ અને બેંકિંગમાં ઉપયોગો:

• Risk Assessment: ગ્રાહકની ક્રેડિટવર્થીનેસની આગાહી માટે ML ડેટાનું વિશ્લેષણ કરે છે
• Customer Service: NLP નો ઉપયોગ કરીને ચેટબોટ્સ 24/7 સપોર્ટ આપે છે
• Regulatory Compliance: શંકાસ્પદ પ્રવૃત્તિઓ માટે આપોઆપ મોનિટરિંગ

મેમરી ટ્રીક: “Finance Needs Smart Analysis” (FNSA)

પ્રશ્ન 1(ક) [7 ગુણ]

#

સુપરવાઇઝ્ડ લર્નિંગ, અનસુપરવાઇઝ્ડ લર્નિંગ અને રિઇન્ફોર્સમેન્ટ લર્નિંગ વચ્ચે તફાવત આપો.

જવાબ:

તુલનાત્મક કોષ્ટક:

મુખ્ય લાક્ષણિકતાઓ:

• Supervised Learning: સાચા જવાબો સાથે શિક્ષક દ્વારા માર્ગદર્શિત શીખવું
• Unsupervised Learning: ડેટામાં છુપાયેલા પેટર્નોની સ્વ-શોધ
• Reinforcement Learning: પુરસ્કાર/દંડ સાથે ટ્રાયલ અને એરર દ્વારા શીખવું

મેમરી ટ્રીક: “Supervised Teachers, Unsupervised Explores, Reinforcement Rewards” (STUER)

પ્રશ્ન 1(ક OR) [7 ગુણ]

#

મશીન લર્નિંગમાં વપરાતા વિવિધ TOOLS અને ટેકનોલોજી સમજાવો.

જવાબ:

ML Tools અને Technologies:

મુખ્ય ટેકનોલોજીઓ:

• Cloud Platforms: AWS, Google Cloud સ્કેલેબલ કમ્પ્યુટિંગ માટે
• Development Environments: Jupyter Notebook, Google Colab
• Big Data Tools: મોટા ડેટાસેટ માટે Spark, Hadoop

મેમરી ટ્રીક: “Python Libraries Visualize Data Effectively” (PLVDE)

પ્રશ્ન 2(અ) [3 ગુણ]

#

એક ઉદાહરણ સાથે outliers ને વ્યાખ્યાયિત કરો.

જવાબ:

વ્યાખ્યા: Outliers એવા ડેટા પોઇન્ટ્સ છે જે ડેટાસેટમાં અન્ય અવલોકનોથી નોંધપાત્ર રીતે અલગ હોય છે.

ઉદાહરણ કોષ્ટક:

• શોધ: Quartiles થી 1.5 × IQR થી વધુ મૂલ્યો
• અસર: આંકડાકીય વિશ્લેષણ અને મોડલ પર્ફોર્મન્સને અસર કરી શકે

મેમરી ટ્રીક: “Outliers Stand Apart” (OSA)

પ્રશ્ન 2(બ) [4 ગુણ]

#

રીગ્રેશન સ્ટેપ્સ વિગતવાર સમજાવો.

જવાબ:

રીગ્રેશન પ્રોસેસ સ્ટેપ્સ:

flowchart TD
    A[Data Collection] --> B[Data Preprocessing]
    B --> C[Feature Selection]
    C --> D[Model Training]
    D --> E[Model Evaluation]
    E --> F[Prediction]

વિગતવાર સ્ટેપ્સ:

• Data Collection: ઇનપુટ-આઉટપુટ જોડી સાથે સંબંધિત ડેટાસેટ એકત્રિત કરવું
• Preprocessing: ડેટા સાફ કરવું, ખોવાયેલા મૂલ્યો સંભાળવા, features ને normalize કરવા
• Feature Selection: લક્ષ્યને અસર કરતા સંબંધિત variables પસંદ કરવા
• Model Training: આગાહીની ભૂલો ન્યૂનતમ કરવા માટે રીગ્રેશન લાઇન ફિટ કરવી

મેમરી ટ્રીક: “Data Preprocessing Features Train Evaluation Predicts” (DPFTEP)

પ્રશ્ન 2(ક) [7 ગુણ]

#

ચોકસાઈ વ્યાખ્યાયિત કરો અને નીચેના binary classifier ની confusion matrix માટે વિવિધ માપન પરિમાણો શોધો જેમ કે 1. Accuracy 2. Precision.

જવાબ:

Confusion Matrix વિશ્લેષણ:

ગણતરીઓ:

વ્યાખ્યાઓ:

• Accuracy: કુલ આગાહીઓમાંથી સાચી આગાહીઓનું પ્રમાણ
• Precision: બધી positive આગાહીઓમાંથી true positive આગાહીઓનું પ્રમાણ

મેમરી ટ્રીક: “Accuracy Counts All, Precision Picks Positives” (ACAPP)

પ્રશ્ન 2(અ OR) [3 ગુણ]

#

Feature સબસેટ પસંદગીના મૂળભૂત પગલાઓને ઓળખો.

જવાબ:

Feature Subset Selection સ્ટેપ્સ:

flowchart LR
    A[Original Features] --> B[Generate Subsets]
    B --> C[Evaluate Subsets]
    C --> D[Select Best Subset]

મૂળભૂત પગલાઓ:

• Generation: Features ના વિવિધ સંયોજનો બનાવવા
• Evaluation: પ્રત્યેક સબસેટને પર્ફોર્મન્સ મેટ્રિક્સ વાપરીને ટેસ્ટ કરવા
• Selection: માપદંડોના આધારે શ્રેષ્ઠ સબસેટ પસંદ કરવા

મેમરી ટ્રીક: “Generate, Evaluate, Select” (GES)

પ્રશ્ન 2(બ OR) [4 ગુણ]

#

KNN અલ્ગોરિધમની તાકાત અને નબળાઈની ચર્ચા કરો.

જવાબ:

KNN અલ્ગોરિધમ વિશ્લેષણ:

મુખ્ય મુદ્દાઓ:

• Lazy Learning: સ્પષ્ટ training phase ની જરૂર નથી
• Distance-Based: પડોશીની નજીકતા આધારિત વર્ગીકરણ
• Memory-Intensive: સંપૂર્ણ training ડેટાસેટ સ્ટોર કરે છે

મેમરી ટ્રીક: “Simple but Slow, Effective but Expensive” (SBSEBE)

પ્રશ્ન 2(ક OR) [7 ગુણ]

#

ભૂલ-દર વ્યાખ્યાયિત કરો અને નીચેના binary classifier ની confusion matrix માટે વિવિધ માપન પરિમાણો શોધો જેમ કે 1. Error value 2. Recall.

જવાબ:

Confusion Matrix વિશ્લેષણ:

ગણતરીઓ:

વ્યાખ્યાઓ:

• Error Rate: કુલ આગાહીઓમાંથી ખોટી આગાહીઓનું પ્રમાણ
• Recall: વાસ્તવિક positives માંથી સાચી રીતે ઓળખાયેલાનું પ્રમાણ

મેમરી ટ્રીક: “Error Excludes, Recall Retrieves” (EERR)

પ્રશ્ન 3(અ) [3 ગુણ]

#

Unsupervised learning ના કોઈ પણ ત્રણ ઉદાહરણો આપો.

જવાબ:

Unsupervised Learning ઉદાહરણો:

• Market Basket Analysis: ઉત્પાદન ખરીદીના પેટર્ન શોધવા
• Social Network Analysis: સમુદાયની રચનાઓ ઓળખવી
• Anomaly Detection: ડેટામાં અસામાન્ય પેટર્ન શોધવા

મેમરી ટ્રીક: “Customers, Documents, Genes Group Automatically” (CDGGA)

પ્રશ્ન 3(બ) [4 ગુણ]

#

નીચેના ડેટા માટે સરેરાશ અને મધ્યક શોધો: 4,6,7,8,9,12,14,15,20

જવાબ:

આંકડાકીય ગણતરીઓ:

પગલું-દર-પગલું:

• ડેટા: પહેલેથી જ સૉર્ટ થયેલ: 4,6,7,8,9,12,14,15,20
• સરેરાશ: બધા મૂલ્યોનો સરવાળો ÷ ગણતરી = 95 ÷ 9 = 10.56
• મધ્યક: સૉર્ટ કરેલ યાદીમાં મધ્ય મૂલ્ય = 9 (5મી સ્થિતિ)

મેમરી ટ્રીક: “Mean Averages All, Median Middle Value” (MAAMV)

પ્રશ્ન 3(ક) [7 ગુણ]

#

k-ફોલ્ડ ક્રોસ વેલિડેશન પદ્ધતિનું વિગતવાર વર્ણન કરો.

જવાબ:

K-Fold Cross Validation પ્રોસેસ:

flowchart TD
    A[Original Dataset] --> B[Split into K folds]
    B --> C[Train on K-1 folds]
    C --> D[Test on 1 fold]
    D --> E[Repeat K times]
    E --> F[Average Results]

પ્રોસેસ સ્ટેપ્સ:

ફાયદાઓ:

• નિષ્પક્ષ અંદાજ: દરેક ડેટા પોઇન્ટ training અને testing બંને માટે વાપરાય
• Overfitting ઘટાડવું: અનેક validation રાઉન્ડ વિશ્વસનીયતા વધારે
• કાર્યક્ષમ ડેટા ઉપયોગ: બધો ડેટા training અને validation બંને માટે ઉપયોગ

મેમરી ટ્રીક: “K-fold Keeps Keen Knowledge” (KKKK)

પ્રશ્ન 3(અ OR) [3 ગુણ]

#

Multiple linear રીગ્રેશનની કોઈ પણ ત્રણ એપ્લિકેશન આપો.

જવાબ:

Multiple Linear Regression એપ્લિકેશન:

• Stock Market Analysis: અનેક આર્થિક સૂચકાંકો શેર કિંમતોની આગાહી કરે
• Academic Performance: અભ્યાસના કલાકો, હાજરી, અગાઉના ગ્રેડ સ્કોરની આગાહી
• Marketing ROI: વિવિધ માર્કેટિંગ ચેનલો વેચાણ આવક પર અસર કરે

મેમરી ટ્રીક: “Houses, Sales, Medicine Predict Multiple Variables” (HSMPV)

પ્રશ્ન 3(બ OR) [4 ગુણ]

#

નીચેના ડેટા માટે માનક વિચલન શોધો: 4,15,20,28,35,45

જવાબ:

માનક વિચલન ગણતરી:

વિગતવાર ગણતરી:

• સરેરાશથી વિચલન: (-20.5)², (-9.5)², (-4.5)², (3.5)², (10.5)², (20.5)²
• વર્ગ વિચલન: 420.25, 90.25, 20.25, 12.25, 110.25, 420.25
• સરવાળો: 1073.5
• Variance: 1073.5/6 = 178.92
• માનક વિચલન: √178.92 = 13.38

મેમરી ટ્રીક: “Deviation Measures Data Spread” (DMDS)

પ્રશ્ન 3(ક OR) [7 ગુણ]

#

બેગિંગ અને બૂસ્ટિંગને વિગતવાર સમજાવો.

જવાબ:

Ensemble Methods તુલના:

Bagging (Bootstrap Aggregating):

flowchart LR
    A[Original Data] --> B[Bootstrap Sample 1]
    A --> C[Bootstrap Sample 2]
    A --> D[Bootstrap Sample n]
    B --> E[Model 1]
    C --> F[Model 2]
    D --> G[Model n]
    E --> H[Final Prediction]
    F --> H
    G --> H

Boosting પ્રોસેસ:

• ક્રમિક શીખવું: દરેક મોડલ અગાઉના મોડલની ભૂલોમાંથી શીખે છે
• વેઇટ એડજસ્ટમેન્ટ: ખોટા વર્ગીકૃત ઉદાહરણોનું વેઇટ વધારવું
• અંતિમ આગાહી: બધા મોડલ્સનું વેઇટેડ સંયોજન

મુખ્ય તફાવતો:

• Bagging: સ્વતંત્ર મોડલ્સ સમાંતરમાં trained, overfitting ઘટાડે
• Boosting: આશ્રિત મોડલ્સ ક્રમિક trained, accuracy સુધારે

મેમરી ટ્રીક: “Bagging Builds Parallel, Boosting Builds Sequential” (BBPBS)

પ્રશ્ન 4(અ) [3 ગુણ]

#

વ્યાખ્યાયિત કરો: Support, Confidence.

જવાબ:

Association Rule મેટ્રિક્સ:

ઉદાહરણ:

• Support(Bread) = 0.6 (60% ટ્રાન્ઝેક્શનમાં બ્રેડ છે)
• Confidence(Bread→Butter) = 0.8 (80% બ્રેડ ખરીદનારા બટર પણ ખરીદે છે)

ઉપયોગો:

• Market Basket Analysis: ઉત્પાદન સંબંધો શોધવા
• Recommendation Systems: સંબંધિત વસ્તુઓ સૂચવવી

મેમરી ટ્રીક: “Support Shows Frequency, Confidence Shows Connection” (SSFC)

પ્રશ્ન 4(બ) [4 ગુણ]

#

લોજિસ્ટિક રીગ્રેશનની કોઈ પણ બે એપ્લિકેશનને સમજાવો.

જવાબ:

Logistic Regression એપ્લિકેશન:

મુખ્ય લાક્ષણિકતાઓ:

• Binary Classification: 0 અને 1 વચ્ચે સંભાવના આગાહી કરે છે
• S-shaped Curve: સંભાવના અંદાજ માટે sigmoid function વાપરે છે
• Linear Decision Boundary: linear boundary સાથે વર્ગો અલગ કરે છે

વાસ્તવિક જીવનના ઉદાહરણો:

• Marketing: demographics આધારે ગ્રાહક ખરીદીની સંભાવના
• Finance: ક્રેડિટ હિસ્ટ્રી અને આવક આધારે ક્રેડિટ મંજૂરી

મેમરી ટ્રીક: “Logistic Limits Linear Logic” (LLLL)

પ્રશ્ન 4(ક) [7 ગુણ]

#

Machine learning માં Numpy અને Pandas ના મુખ્ય હેતુની ચર્ચા કરો.

જવાબ:

ML માં NumPy અને Pandas:

NumPy Functions:

graph LR
    A[NumPy] --> B[Array Operations]
    A --> C[Mathematical Functions]
    A --> D[Linear Algebra]
    A --> E[Random Numbers]

Pandas ક્ષમતાઓ:

• Data Import/Export: CSV, Excel, JSON ફાઇલો વાંચવી
• Data Cleaning: ખોવાયેલા મૂલ્યો, duplicates સંભાળવા
• Data Transformation: Group, merge, pivot operations
• Statistical Analysis: વર્ણનાત્મક આંકડા, correlation

ML સાથે Integration:

• Data Preprocessing: અલ્ગોરિધમ માટે ડેટા સાફ અને તૈયાર કરવો
• Feature Engineering: હાલના ડેટામાંથી નવા features બનાવવા
• Model Input: ML અલ્ગોરિધમ દ્વારા જરૂરી ફોર્મેટમાં ડેટા કન્વર્ટ કરવો

મુખ્ય ફાયદાઓ:

• Performance: ઝડપ માટે C/C++ backend optimized
• Memory Efficiency: કાર્યક્ષમ ડેટા સ્ટોરેજ અને manipulation
• Ecosystem Integration: scikit-learn, matplotlib સાથે seamlessly કામ કરે

મેમરી ટ્રીક: “NumPy Numbers, Pandas Processes Data” (NNPD)

પ્રશ્ન 4(અ OR) [3 ગુણ]

#

સુપરવાઇઝ્ડ લર્નિંગના કોઈ પણ ત્રણ ઉદાહરણો આપો.

જવાબ:

Supervised Learning ઉદાહરણો:

• Medical Diagnosis: દર્દીના લક્ષણો → રોગ વર્ગીકરણ
• Stock Price Prediction: માર્કેટ સૂચકાંકો → ભાવિ કિંમત
• Speech Recognition: Audio signals → Text transcription

મેમરી ટ્રીક: “Emails, Houses, Images Learn Supervised” (EHILS)

પ્રશ્ન 4(બ OR) [4 ગુણ]

#

એપ્રિઓરી અલ્ગોરિધમના કોઈ પણ બે એપ્લિકેશનો સમજાવો.

જવાબ:

Apriori Algorithm એપ્લિકેશન:

Market Basket Analysis:

• ઉદાહરણ: “બ્રેડ અને મિલ્ક ખરીદનારા ગ્રાહકો ઈંડા પણ ખરીદે છે”
• બિઝનેસ અસર: ઉત્પાદન પ્લેસમેન્ટ, પ્રમોશનલ ઓફર
• Implementation: frequent itemsets શોધવા માટે transaction ડેટાનું વિશ્લેષણ

Web Usage Mining:

• ઉદાહરણ: “પેજ A visit કરનારા users ઘણીવાર આગળ પેજ B visit કરે છે”
• વેબસાઇટ Optimization: navigation સુધારવી, content recommend કરવું
• User Experience: વ્યક્તિગત વેબસાઇટ layouts

Algorithm પ્રોસેસ:

• Generate Candidates: frequent itemsets બનાવવા
• Prune: infrequent items દૂર કરવા
• Generate Rules: confidence સાથે association rules બનાવવા

મેમરી ટ્રીક: “Apriori Analyzes Associations Automatically” (AAAA)

પ્રશ્ન 4(ક OR) [7 ગુણ]

#

Matplotlib ની વિશેષતાઓ અને એપ્લિકેશનો સમજાવો.

જવાબ:

Matplotlib Features અને Applications:

મુખ્ય Features:

graph TD
    A[Matplotlib] --> B[2D Plotting]
    A --> C[3D Plotting]
    A --> D[Interactive Plots]
    A --> E[Publication Quality]
    B --> F[Line Charts]
    B --> G[Bar Charts]
    B --> H[Scatter Plots]
    C --> I[Surface Plots]
    C --> J[3D Scatter]

Machine Learning માં Applications:

• Data Exploration: ડેટા વિતરણ અને પેટર્ન visualize કરવા
• Model Performance: training દરમિયાન accuracy, loss curves plot કરવા
• Result Presentation: predictions vs actual values દેખાડવા
• Feature Analysis: Correlation matrices, feature importance plots

અદ્યતન ક્ષમતાઓ:

• Animation: time-series ડેટા માટે animated plots બનાવવા
• Interactive Widgets: વપરાશકર્તા interaction માટે sliders, buttons ઉમેરવા
• Integration: Jupyter notebooks, web applications સાથે કામ કરે છે

ફાયદાઓ:

• Flexibility: અત્યંત customizable plotting options
• Community: વ્યાપક documentation સાથે મોટો વપરાશકર્તા આધાર
• Compatibility: NumPy, Pandas સાથે seamlessly integrate થાય છે

મેમરી ટ્રીક: “Matplotlib Makes Meaningful Visual Displays” (MMVD)

પ્રશ્ન 5(અ) [3 ગુણ]

#

Numpy ના મુખ્ય features ની યાદી બનાવો.

જવાબ:

NumPy મુખ્ય Features:

• Universal Functions: arrays પર element-wise operations
• Memory Efficiency: ઝડપ માટે contiguous memory layout
• C/C++ Integration: compiled languages સાથે interface

મેમરી ટ્રીક: “NumPy Numbers Need Neat Operations” (NNNNO)

પ્રશ્ન 5(બ) [4 ગુણ]

#

પ્રોગ્રામમાં iris ડેટાસેટ Pandas Dataframe કેવી રીતે લોડ કરવો? ઉદાહરણ સાથે સમજાવો.

જવાબ:

Iris ડેટાસેટ લોડ કરવું:

import pandas as pd

# પદ્ધતિ 1: ફાઇલમાંથી લોડ કરવું
df = pd.read_csv('iris.csv')

# પદ્ધતિ 2: sklearn માંથી લોડ કરવું
from sklearn.datasets import load_iris
iris = load_iris()
df = pd.DataFrame(iris.data, columns=iris.feature_names)
df['target'] = iris.target

# મૂળભૂત માહિતી દેખાડવી
print(df.head())
print(df.info())
print(df.describe())

કોડ સમજાવટ:

• pd.read_csv(): CSV ફાઇલને DataFrame માં વાંચે છે
• columns parameter: column નામો assign કરે છે
• head(): પ્રથમ 5 rows બતાવે છે
• info(): data types અને memory usage બતાવે છે

મેમરી ટ્રીક: “Pandas Reads CSV Files Easily” (PRCFE)

પ્રશ્ન 5(ક) [7 ગુણ]

#

સુપરવાઇઝ્ડ લર્નિંગ અને અનસુપરવાઇઝ્ડ લર્નિંગની સરખામણી કરો અને કોન્ટ્રાસ્ટ કરો.

જવાબ:

વ્યાપક તુલના:

વિગતવાર તુલના:

graph LR
    A[Machine Learning] --> B[Supervised]
    A --> C[Unsupervised]
    B --> D[Classification]
    B --> E[Regression]
    C --> F[Clustering]
    C --> G[Association Rules]

Supervised Learning લાક્ષણિકતાઓ:

• Training પ્રોસેસ: જાણીતા સાચા જવાબો સાથેના ઉદાહરણોમાંથી શીખવું
• Performance Measurement: વાસ્તવિક પરિણામો સાથે સીધી તુલના
• સામાન્ય Algorithms: Decision trees, SVM, neural networks
• બિઝનેસ એપ્લિકેશન: Fraud detection, medical diagnosis, price prediction

Unsupervised Learning લાક્ષણિકતાઓ:

• Exploration: માર્ગદર્શન વિના અજાણ્યા પેટર્ન શોધવા
• Validation Challenges: સીધી તુલના માટે ground truth નથી
• સામાન્ય Algorithms: K-means, hierarchical clustering, PCA
• બિઝનેસ એપ્લિકેશન: Customer segmentation, market research, anomaly detection

મુખ્ય કોન્ટ્રાસ્ટ:

• Feedback: Supervised માં તાત્કાલિક feedback, unsupervised domain expertise પર આધાર રાખે
• ડેટા જરૂરિયાતો: Supervised ને મોંઘા labeled ડેટાની જરૂર, unsupervised સહેલાઈથી ઉપલબ્ધ unlabeled ડેટા વાપરે
• સમસ્યાના પ્રકારો: Supervised prediction સમસ્યાઓ હલ કરે, unsupervised discovery સમસ્યાઓ હલ કરે

મેમરી ટ્રીક: “Supervised Seeks Specific Solutions, Unsupervised Uncovers Unknown” (SSSUU)

પ્રશ્ન 5(અ OR) [3 ગુણ]

#

Pandas ની એપ્લિકેશન્સની યાદી બનાવો.

જવાબ:

Pandas એપ્લિકેશન:

• Scientific Research: પ્રાયોગિક ડેટા વિશ્લેષણ
• Web Analytics: વેબસાઇટ ટ્રાફિક, વપરાશકર્તા વર્તન વિશ્લેષણ
• Healthcare: દર્દીના રેકોર્ડ, clinical trial ડેટા

મેમરી ટ્રીક: “Pandas Processes Data Perfectly” (PPDP)

પ્રશ્ન 5(બ OR) [4 ગુણ]

#

Matplotlib લાઇબ્રેરીનો ઉપયોગ કરીને આકૃતિ કેવી રીતે બનાવવી? ઉદાહરણ સાથે સમજાવો.

જવાબ:

Matplotlib Line Plotting:

import matplotlib.pyplot as plt
import numpy as np

# સેમ્પલ ડેટા બનાવવું
x = np.linspace(0, 10, 100)
y = np.sin(x)

# મુખ્ય curve plot કરવું
plt.plot(x, y, label='sin(x)')

# x = 5 પર વર્ટિકલ લાઇન
plt.axvline(x=5, color='red', linestyle='--', label='Vertical Line')

# y = 0.5 પર હોરિઝોન્ટલ લાઇન
plt.axhline(y=0.5, color='green', linestyle=':', label='Horizontal Line')

# ફોર્મેટિંગ
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.title('Vertical અને Horizontal Lines')
plt.grid(True)
plt.show()

મુખ્ય Functions:

• axvline(): નિર્દિષ્ટ x-coordinate પર vertical line બનાવે
• axhline(): નિર્દિષ્ટ y-coordinate પર horizontal line બનાવે
• Parameters: color, linestyle, linewidth, alpha

મેમરી ટ્રીક: “Matplotlib Makes Lines Easily” (MMLE)

પ્રશ્ન 5(ક OR) [7 ગુણ]

#

યોગ્ય વાસ્તવિક વિશ્વ ઉદાહરણોનો ઉપયોગ કરીને clustering ના concept નું વર્ણન કરો.

જવાબ:

Clustering Concept અને Applications:

Clustering પ્રોસેસ:

flowchart TD
    A[Raw Data] --> B[Feature Selection]
    B --> C[Distance Calculation]
    C --> D[Cluster Formation]
    D --> E[Cluster Validation]
    E --> F[Business Insights]

વિગતવાર ઉદાહરણો:

1. Customer Segmentation:

• ડેટા: ખરીદીનો ઇતિહાસ, demographics, વેબસાઇટ વર્તન
• Clusters: ઉચ્ચ-મૂલ્યના ગ્રાહકો, કિંમત-સંવેદનશીલ ખરીદદારો, પ્રસંગોપાત દુકાનદારો
• બિઝનેસ વેલ્યુ: કસ્ટમાઇઝ્ડ માર્કેટિંગ, ઉત્પાદન સિફારિશો, retention વ્યૂહરચના

2. Social Media Analysis:

• ડેટા: વપરાશકર્તા interactions, post topics, engagement પેટર્ન
• Clusters: Influencers, casual users, brand advocates
• એપ્લિકેશન: Viral marketing, content વ્યૂહરચના, community management

3. Market Research:

• ડેટા: Survey responses, ઉત્પાદન પસંદગીઓ, demographics
• Clusters: સમાન જરૂરિયાતો સાથેના માર્કેટ segments
• Insights: ઉત્પાદન વિકાસ, કિંમત વ્યૂહરચના, માર્કેટ positioning

Clustering Algorithms:

• K-Means: ડેટાને k clusters માં વિભાજિત કરે છે
• Hierarchical: વૃક્ષ-જેવું cluster structure બનાવે છે
• DBSCAN: વિવિધ ઘનતાના clusters શોધે છે

Validation પદ્ધતિઓ:

• Silhouette Score: cluster ગુણવત્તા માપે છે
• Elbow Method: optimal clusters ની સંખ્યા નક્કી કરે છે
• Domain Expertise: બિઝનેસ જ્ઞાન validation

ફાયદાઓ:

• Pattern Discovery: છુપાયેલ ડેટા structures જાહેર કરે છે
• Decision Support: બિઝનેસ નિર્ણયો માટે insights પ્રદાન કરે છે
• Automation: manual ડેટા વિશ્લેષણનો પ્રયાસ ઘટાડે છે

મેમરી ટ્રીક: “Clustering Creates Clear Categories” (CCCC)