મશીન લર્નિંગના મૂળભૂત સિદ્ધાંતો (4341603) - શિયાળો 2024 સોલ્યુશન

પ્રશ્ન 1(અ) [3 ગુણ]

#

હ્યુમન લર્નિંગનું સંક્ષિપ્ત વર્ણન કરો.

જવાબ:

હ્યુમન લર્નિંગ એ પ્રક્રિયા છે જેના દ્વારા માનવ અનુભવ, પ્રેક્ટિસ અને શિક્ષણ દ્વારા જ્ઞાન, કૌશલ્ય અને વર્તણૂક પ્રાપ્ત કરે છે.

કોષ્ટક: હ્યુમન લર્નિંગ પ્રક્રિયા

• લર્નિંગ પ્રકારો: દ્રશ્ય, શ્રાવ્ય, ગતિશીલ લર્નિંગ શૈલીઓ
• ફીડબેક લૂપ: ભૂલો અને સફળતાઓમાંથી શીખવું
• અનુકૂલન: નવી પરિસ્થિતિઓમાં જ્ઞાન લાગુ કરવાની ક્ષમતા

મેમરી ટ્રીક: “AAPS” - અવલોકન, અનુભવ, અભ્યાસ, સ્મૃતિ

પ્રશ્ન 1(બ) [4 ગુણ]

#

તફાવત કરો: Supervised લર્નિંગ v/s Unsupervised લર્નિંગ

જવાબ:

તુલનાત્મક કોષ્ટક: Supervised vs Unsupervised લર્નિંગ

• Supervised: શિક્ષક સાચા જવાબો સાથે લર્નિંગ માર્ગદર્શન કરે છે
• Unsupervised: માર્ગદર્શન વિના પેટર્નની સ્વ-શોધ

મેમરી ટ્રીક: “SL-લેબલ્સ, UL-અજાણ્યા” પેટર્ન

પ્રશ્ન 1(ક) [7 ગુણ]

#

મશીન લર્નિંગ એક્ટિવિટીની સૂચિ બનાવો. દરેકને વિગતવાર સમજાવો.

જવાબ:

કોષ્ટક: મશીન લર્નિંગ એક્ટિવિટીઓ

flowchart TD
    A[ડેટા કલેક્શન] --> B[ડેટા પ્રીપ્રોસેસિંગ]
    B --> C[ફીચર સિલેક્શન]
    C --> D[મોડેલ ટ્રેનિંગ]
    D --> E[મોડેલ ઇવેલ્યુએશન]
    E --> F[મોડેલ ડિપ્લોયમેન્ટ]
    F --> G[મોડેલ મોનિટરિંગ]

• પુનરાવર્તિત પ્રક્રિયા: મોડેલ સુધારણા માટે એક્ટિવિટીઓ પુનરાવર્તિત થાય છે
• ગુણવત્તા નિયંત્રણ: દરેક પગલું બહેતર મોડેલ પરફોર્મન્સ સુનિશ્ચિત કરે છે

મેમરી ટ્રીક: “કપફટઇડમ” - કલેક્શન, પ્રીપ્રોસેસિંગ, ફીચર, ટ્રેનિંગ, ઇવેલ્યુએશન, ડિપ્લોયમેન્ટ, મોનિટરિંગ

પ્રશ્ન 1(ક OR) [7 ગુણ]

#

નીચેના ડેટા માટે મીન, મીડિયન અને મોડ શોધો: 1, 1, 1, 2, 4, 5, 5, 6, 6, 7, 7, 7, 7, 8, 9, 10, 11

જવાબ:

ડેટા વિશ્લેષણ કોષ્ટક

પગલું-દર-પગલું ગણતરી:

• કુલ ગણતરી: 17 વેલ્યુઝ
• સરવાળો: 100
• મીન: 100/17 = 5.88
• મીડિયન: મધ્ય પોઝિશન (9મી) = 6
• મોડ: 7 સૌથી વધુ 4 વખત દેખાય છે

મેમરી ટ્રીક: “મમમ” - મીન=સરેરાશ, મીડિયન=મધ્ય, મોડ=સૌથી વધુ આવર્તન

પ્રશ્ન 2(અ) [3 ગુણ]

#

મોડેલ ટ્રેનિંગ માટે હોલ્ડ આઉટ પદ્ધતિનો ઉપયોગ કરવાના પગલાં લખો.

જવાબ:

હોલ્ડ આઉટ મેથડ પગલાં

• રેન્ડમ સ્પ્લિટ: બંને સેટમાં પ્રતિનિધિ વિતરણ સુનિશ્ચિત કરવું
• કોઈ ઓવરલેપ નહીં: ટેસ્ટિંગ ડેટા ક્યારેય ટ્રેનિંગમાં ઉપયોગ થતો નથી
• સિંગલ સ્પ્લિટ: ડેટાનું એક વખતનું વિભાજન

મેમરી ટ્રીક: “વટટ” - વિભાજન, ટ્રેન, ટેસ્ટ

પ્રશ્ન 2(બ) [4 ગુણ]

#

કન્ફ્યુઝન મેટ્રિક્સની રચના સમજાવો.

જવાબ:

કન્ફ્યુઝન મેટ્રિક્સ રચના

ઘટકોની સમજૂતી:

• TP: સાચી રીતે આગાહી કરેલા પોઝિટિવ કેસ
• TN: સાચી રીતે આગાહી કરેલા નેગેટિવ કેસ
• FP: ખોટી રીતે પોઝિટિવ તરીકે આગાહી (ટાઈપ I એરર)
• FN: ખોટી રીતે નેગેટિવ તરીકે આગાહી (ટાઈપ II એરર)

પરફોર્મન્સ મેટ્રિક્સ:

• એક્યુરેસી = (TP+TN)/(TP+TN+FP+FN)
• પ્રિસિઝન = TP/(TP+FP)

મેમરી ટ્રીક: “TPFN-FPTN” મેટ્રિક્સ પોઝિશન માટે

પ્રશ્ન 2(ક) [7 ગુણ]

#

ડેટા પ્રી-પ્રોસેસિંગ વ્યાખ્યાયિત કરો. ડેટા પ્રી-પ્રોસેસિંગમાં વપરાતી વિવિધ પદ્ધતિઓ સમજાવો.

જવાબ:

ડેટા પ્રી-પ્રોસેસિંગ એ કાચા ડેટાને સાફ, રૂપાંતરિત અને મશીન લર્નિંગ અલગોરિધમ માટે તૈયાર કરવાની તકનીક છે.

ડેટા પ્રી-પ્રોસેસિંગ પદ્ધતિઓ કોષ્ટક

flowchart LR
    A[કાચો ડેટા] --> B[ડેટા ક્લીનિંગ]
    B --> C[ડેટા ટ્રાન્સફોર્મેશન]
    C --> D[ડેટા રિડક્શન]
    D --> E[સાફ ડેટા]

• ખોવાયેલી વેલ્યૂઝ: ઈમ્પ્યુટેશન માટે મીન, મીડિયન, અથવા મોડનો ઉપયોગ
• આઉટલાયર્સ: અત્યંત વેલ્યૂઝ શોધવી અને સંભાળવી
• ફીચર સ્કેલિંગ: ડેટાને સમાન સ્કેલ પર નોર્મલાઈઝ કરવું

મેમરી ટ્રીક: “કતરઈ” - ક્લીન, ટ્રાન્સફોર્મ, રિડ્યુસ, ઈન્ટીગ્રેટ

પ્રશ્ન 2(અ OR) [3 ગુણ]

#

યોગ્ય ઉદાહરણ સાથે હિસ્ટોગ્રામ સમજાવો.

જવાબ:

હિસ્ટોગ્રામ એ અંકશાસ્ત્રીય ડેટાના ફ્રીક્વન્સી ડિસ્ટ્રિબ્યુશનનું ગ્રાફિકલ પ્રતિનિધિત્વ છે જે ડેટાને bins માં વિભાજિત કરે છે.

હિસ્ટોગ્રામ ઘટકો કોષ્ટક

ઉદાહરણ: વિદ્યાર્થીઓના ગુણ વિતરણ:

• Bins: 0-20, 21-40, 41-60, 61-80, 81-100
• ઊંચાઈ દરેક રેન્જમાં વિદ્યાર્થીઓની સંખ્યા દર્શાવે છે

મેમરી ટ્રીક: “બએર” - Bins, Axes, રેન્જ

પ્રશ્ન 2(બ OR) [4 ગુણ]

#

નીચેના ઉદાહરણોનો યોગ્ય ડેટા પ્રકાર જણાવો: i) વ્યક્તિનું લિંગ ii) વિદ્યાર્થીઓનો ક્રમ iii) ઘરની કિંમત iv) ફૂલનો રંગ

જવાબ:

ડેટા પ્રકાર વર્ગીકરણ કોષ્ટક

• કેટેગોરિકલ ડેટા: વિશિષ્ટ શ્રેણીઓનો મર્યાદિત સેટ
• ન્યુમેરિકલ ડેટા: ગાણિતિક ઓપરેશન શક્ય છે
• ઓર્ડિનલ: અર્થપૂર્ણ અનુક્રમ સાથેની શ્રેણીઓ

મેમરી ટ્રીક: “નોકો” - Nominal, Ordinal, કન્ટિન્યુઅસ

પ્રશ્ન 2(ક OR) [7 ગુણ]

#

K-fold ક્રોસ વેલિડેશનનું વિગતવાર વર્ણન કરો.

જવાબ:

K-fold ક્રોસ વેલિડેશન એ મોડેલ મૂલ્યાંકન તકનીક છે જે મજબૂત પરફોર્મન્સ આકલન માટે ડેટાસેટને K સમાન ભાગોમાં વિભાજિત કરે છે.

K-fold પ્રક્રિયા કોષ્ટક

flowchart TD
    A[મૂળ ડેટાસેટ] --> B[K folds માં વિભાજન]
    B --> C[પુનરાવર્તન 1: folds 2-K પર ટ્રેન, fold 1 પર ટેસ્ટ]
    C --> D[પુનરાવર્તન 2: folds 1,3-K પર ટ્રેન, fold 2 પર ટેસ્ટ]
    D --> E[... K પુનરાવર્તનો માટે ચાલુ રાખો]
    E --> F[બધા K પરિણામોની સરેરાશ]

ફાયદા:

• મજબૂત મૂલ્યાંકન: દરેક ડેટા પોઇન્ટ ટ્રેનિંગ અને ટેસ્ટિંગ બંને માટે ઉપયોગ થાય છે
• ઓવરફિટિંગ ઘટાડવું: બહુવિધ વેલિડેશન રાઉન્ડ
• બહેતર જનરલાઈઝેશન: વધુ વિશ્વસનીય પરફોર્મન્સ અંદાજ

સામાન્ય વેલ્યૂઝ: સામાન્ય રીતે K=5 અથવા K=10 વપરાય છે

મેમરી ટ્રીક: “વઉપસટ” - વિભાજન, ઉપયોગ, પુનરાવર્તન, સરેરાશ, ટેસ્ટ

પ્રશ્ન 3(અ) [3 ગુણ]

#

રીગ્રેશનની એપ્લિકેશનની યાદી બનાવો.

જવાબ:

રીગ્રેશન એપ્લિકેશન કોષ્ટક

• પ્રિડિક્ટિવ મોડલિંગ: કન્ટિન્યુઅસ વેલ્યૂઝ આગાહી કરવી
• ટ્રેન્ડ એનાલિસિસ: વેરિએબલ્સ વચ્ચેના સંબંધોને સમજવા
• રિસ્ક એસેસમેન્ટ: ભાવિ પરિણામોનું મૂલ્યાંકન

મેમરી ટ્રીક: “નહમર” - નાણાં, હેલ્થકેર, માર્કેટિંગ, રિયલ એસ્ટેટ

પ્રશ્ન 3(બ) [4 ગુણ]

#

સિંગલ લિનિયર રીગ્રેશન પર ટૂંકી નોંધ લખો.

જવાબ:

સિંગલ લિનિયર રીગ્રેશન એક સ્વતંત્ર વેરિએબલ (X) અને એક આશ્રિત વેરિએબલ (Y) વચ્ચેના સંબંધને સીધી રેખાનો ઉપયોગ કરીને મોડેલ કરે છે.

લિનિયર રીગ્રેશન ઘટકો

• ધ્યેય: એરર ઘટાડતી બેસ્ટ-ફિટ લાઇન શોધવી
• પદ્ધતિ: લીસ્ટ સ્ક્વેર ઓપ્ટિમાઇઝેશન
• ધારણા: વેરિએબલ્સ વચ્ચે રેખીય સંબંધ અસ્તિત્વમાં છે

મેમરી ટ્રીક: “YABX” - Y બરાબર a પ્લસ b ગુણા X

પ્રશ્ન 3(ક) [7 ગુણ]

#

K-NN અલગોરિધમ લખો અને ચર્ચા કરો.

જવાબ:

K-નીયરેસ્ટ નેઇબર્સ (K-NN) એ લેઝી લર્નિંગ અલગોરિધમ છે જે ડેટા પોઇન્ટ્સને તેમના K નજીકના પડોશીઓના મેજોરિટી ક્લાસના આધારે વર્ગીકૃત કરે છે.

K-NN અલગોરિધમ પગલાં

flowchart TD
    A[નવો ડેટા પોઇન્ટ] --> B[બધા ટ્રેનિંગ પોઇન્ટ્સનું અંતર ગણતરી]
    B --> C[અંતર ક્રમાંકિત કરવા]
    C --> D[K નજીકના પડોશીઓ પસંદ કરવા]
    D --> E[મેજોરિટી વોટ]
    E --> F[ક્લાસ લેબલ અસાઇન કરવો]

અંતર મેટ્રિક્સ:

• યુક્લિડિયન: સૌથી સામાન્ય અંતર માપ
• મેનહેટન: નિરપેક્ષ તફાવતોનો સરવાળો
• મિન્કોવસ્કી: સામાન્યીકૃત અંતર મેટ્રિક

ફાયદા:

• સરળ: સમજવા અને અમલીકરણ માટે સરળ
• કોઈ ટ્રેનિંગ નહીં: બધો ડેટા સ્ટોર કરે છે, કોઈ મોડેલ બિલ્ડિંગ નથી

ગેરફાયદા:

• કોમ્પ્યુટેશનલી મહેંગું: બધા પોઇન્ટ્સ ચેક કરવા પડે છે
• K પ્રત્યે સંવેદનશીલ: પરફોર્મન્સ K વેલ્યુ પર આધાર રાખે છે

મેમરી ટ્રીક: “પગકમ” - પસંદ, ગણતરી, ક્રમાંકન, મેજોરિટી વોટ

પ્રશ્ન 3(અ OR) [3 ગુણ]

#

હેલ્થકેર ક્ષેત્રમાં supervised learning ના કોઈપણ ત્રણ ઉદાહરણો લખો

જવાબ:

હેલ્થકેર Supervised લર્નિંગ ઉદાહરણો

• પેટર્ન રેકગ્નિશન: લેબલ કરેલા તબીબી ડેટામાંથી શીખવું
• ક્લિનિકલ ડિસિઝન સપોર્ટ: ડોકટરોને નિદાનમાં મદદ કરવી
• પ્રિડિક્ટિવ મેડિસિન: આરોગ્ય પરિણામો આગાહી કરવા

મેમરી ટ્રીક: “રદમ” - રોગ નિદાન, દવાની રિસ્પોન્સ, મેડિકલ ઇમેજિંગ

પ્રશ્ન 3(બ OR) [4 ગુણ]

#

તફાવત કરો: Classification v/s Regression.

જવાબ:

Classification vs Regression તુલના

• Classification: શ્રેણીઓ આગાહી કરે છે (હા/ના, લાલ/વાદળી/લીલો)
• Regression: માત્રાઓ આગાહી કરે છે (કિંમત, તાપમાન, વજન)
• અલગોરિધમ: કેટલાક બંને માટે કામ કરે છે, અન્ય વિશેષીકૃત છે

મેમરી ટ્રીક: “CLASS-શ્રેણીઓ, REG-વાસ્તવિક સંખ્યાઓ”

પ્રશ્ન 3(ક OR) [7 ગુણ]

#

ક્લાસિફિકેશન લર્નિંગના સ્ટેપ્સને વિગતમાં સમજાવો.

જવાબ:

ક્લાસિફિકેશન લર્નિંગમાં ઇનપુટ ડેટાને પૂર્વનિર્ધારિત શ્રેણીઓ અથવા ક્લાસમાં અસાઇન કરવા માટે મોડેલ ટ્રેનિંગ શામેલ છે.

ક્લાસિફિકેશન લર્નિંગ પગલાં

flowchart TD
    A[લેબલ કરેલો ટ્રેનિંગ ડેટા] --> B[પ્રીપ્રોસેસિંગ]
    B --> C[ફીચર સિલેક્શન]
    C --> D[અલગોરિધમ પસંદ કરવું]
    D --> E[મોડેલ ટ્રેન કરવું]
    E --> F[પરફોર્મન્સ મૂલ્યાંકન]
    F --> G{સારી પરફોર્મન્સ?}
    G -->|ના| D
    G -->|હા| H[મોડેલ ડિપ્લોય કરવું]

મુખ્ય કન્સેપ્ટ્સ:

• Supervised લર્નિંગ: લેબલ કરેલા ટ્રેનિંગ ડેટાની જરૂર છે
• ફીચર એન્જિનિયરિંગ: કાચા ડેટાને ઉપયોગી ફીચર્સમાં રૂપાંતરિત કરવું
• ક્રોસ-વેલિડેશન: મોડેલ સારી રીતે જનરલાઇઝ કરે છે તે સુનિશ્ચિત કરવું
• પરફોર્મન્સ મેટ્રિક્સ: એક્યુરેસી, પ્રિસિઝન, રિકોલ, F1-સ્કોર

સામાન્ય અલગોરિધમ:

• ડિસિઝન ટ્રી: વ્યાખ્યા કરવા સરળ નિયમો
• SVM: હાઇ-ડાઇમેન્શનલ ડેટા માટે અસરકારક
• ન્યુરલ નેટવર્ક: જટિલ પેટર્ન સંભાળે છે

મેમરી ટ્રીક: “ડપફમટમડ” - ડેટા, પ્રીપ્રોસેસ, ફીચર, મોડેલ, ટ્રેન, મૂલ્યાંકન, ડિપ્લોય

પ્રશ્ન 4(અ) [3 ગુણ]

#

તફાવત કરો: Clustering v/s Classification.

જવાબ:

Clustering vs Classification તુલના

• Clustering: ડેટામાં અજાણ્યા પેટર્ન શોધે છે
• Classification: નવા ઉદાહરણો આગાહી કરવા માટે જાણીતા ઉદાહરણોમાંથી શીખે છે
• મૂલ્યાંકન: Clustering નું મૂલ્યાંકન classification કરતાં મુશ્કેલ છે

મેમરી ટ્રીક: “CL-અજાણ્યા જૂથો, CLASS-જાણીતી શ્રેણીઓ”

પ્રશ્ન 4(બ) [4 ગુણ]

#

Apriori અલગોરિધમના ફાયદા અને ગેરફાયદાની યાદી બનાવો.

જવાબ:

Apriori અલગોરિધમના ફાયદા અને ગેરફાયદા

ફાયદાની વિગતો:

• સરળતા: સીધું તર્ક અને અમલીકરણ
• સંપૂર્ણતા: બધા ફ્રીક્વન્ટ પેટર્ન શોધે છે
• રૂલ જનરેશન: અર્થપૂર્ણ એસોસિએશન રૂલ્સ બનાવે છે

ગેરફાયદાની વિગતો:

• પરફોર્મન્સ: મોટા ડેટાસેટ પર ધીમું
• મેમરી: ઘણા કેન્ડિડેટ આઇટમસેટ્સ સ્ટોર કરે છે
• સ્કેલેબિલિટી: ડેટાના કદ સાથે પરફોર્મન્સ ઘટે છે

મેમરી ટ્રીક: “સરળ-ધીમું” - ઉપયોગમાં સરળ પણ ધીમી પરફોર્મન્સ

પ્રશ્ન 4(ક) [7 ગુણ]

#

unsupervised લર્નિંગની એપ્લિકેશનો લખો અને સમજાવો

જવાબ:

Unsupervised લર્નિંગ લેબલ કરેલા ઉદાહરણો વિના ડેટામાં છુપાયેલા પેટર્ન શોધે છે.

Unsupervised લર્નિંગ એપ્લિકેશન

mindmap
  root((Unsupervised લર્નિંગ))
    Clustering
      કસ્ટમર સેગમેન્ટેશન
      ઇમેજ સેગમેન્ટેશન
      જીન સિક્વન્સિંગ
    એસોસિએશન રૂલ્સ
      માર્કેટ બાસ્કેટ એનાલિસિસ
      વેબ યુઝેજ માઇનિંગ
      પ્રોટીન સિક્વન્સ
    એનોમેલી ડિટેક્શન
      ફ્રોડ ડિટેક્શન
      નેટવર્ક સિક્યોરિટી
      ક્વોલિટી કન્ટ્રોલ
    ડાઇમેન્શનેલિટી રિડક્શન
      ડેટા વિઝ્યુઅલાઇઝેશન
      ફીચર એક્સટ્રેક્શન
      ડેટા કોમ્પ્રેશન

મુખ્ય ફાયદા:

• પેટર્ન ડિસ્કવરી: છુપાયેલી સ્ટ્રક્ચર્સ બહાર કાઢે છે
• લેબલ્સની જરૂર નથી: કાચા ડેટા સાથે કામ કરે છે
• એક્સપ્લોરેટરી એનાલિસિસ: ડેટાની લાક્ષણિકતાઓ સમજવી

સામાન્ય તકનીકો:

• K-means: ડેટાને ક્લસ્ટરમાં વિભાજિત કરે છે
• હાયરાર્કિકલ ક્લસ્ટરિંગ: ક્લસ્ટર હાયરાર્કી બનાવે છે
• Apriori: એસોસિએશન રૂલ્સ શોધે છે

મેમરી ટ્રીક: “મરએડ” - માર્કેટિંગ, રિટેઇલ, એનોમેલી, ડાઇમેન્શનેલિટી

પ્રશ્ન 4(અ OR) [3 ગુણ]

#

Apriori અલગોરિધમની એપ્લિકેશનની યાદી બનાવો.

જવાબ:

Apriori અલગોરિધમ એપ્લિકેશન

• એસોસિએશન રૂલ્સ: “જો A તો B” સંબંધો
• ફ્રીક્વન્ટ પેટર્ન: વારંવાર એકસાથે દેખાતા આઇટમ્સ
• ક્રોસ-સેલિંગ: સંબંધિત પ્રોડક્ટ્સ રેકમેન્ડ કરવા

મેમરી ટ્રીક: “રવબ” - રિટેઇલ, વેબ, બાયોઇન્ફોર્મેટિક્સ

પ્રશ્ન 4(બ OR) [4 ગુણ]

#

વ્યાખ્યાયિત કરો: Support and Confidence.

જવાબ:

એસોસિએશન રૂલ મેટ્રિક્સ

Support ઉદાહરણ:

• જો આઇટમસેટ {બ્રેડ, દૂધ} 10 માંથી 3 ટ્રાન્ઝેક્શનમાં દેખાય છે
• Support = 3/10 = 0.3 (30%)

Confidence ઉદાહરણ:

• રૂલ: “બ્રેડ → દૂધ”
• જો {બ્રેડ, દૂધ} 3 વખત દેખાય છે, બ્રેડ એકલું 5 વખત દેખાય છે
• Confidence = 3/5 = 0.6 (60%)

મેમરી ટ્રીક: “SUP-કેટલી વાર, CONF-કેટલું વિશ્વસનીય

પ્રશ્ન 4(ક OR) [7 ગુણ]

#

K-means ક્લસ્ટરિંગ અપ્રોચ વિગતવાર લખો અને સમજાવો.

જવાબ:

K-means ક્લસ્ટરિંગ વિધિન-ક્લસ્ટર સમ ઓફ સ્ક્વેર્સને ન્યૂનતમ કરીને ડેટાને K ક્લસ્ટરમાં વિભાજિત કરે છે.

K-means અલગોરિધમ પગલાં

flowchart TD
    A[K વેલ્યુ પસંદ કરવી] --> B[K સેન્ટ્રોઇડ્સ રેન્ડમલી ઇનિશિયલાઇઝ કરવા]
    B --> C[દરેક પોઇન્ટને નજીકના સેન્ટ્રોઇડમાં અસાઇન કરવો]
    C --> D[સેન્ટ્રોઇડ્સને ક્લસ્ટર મીન્સમાં અપડેટ કરવા]
    D --> E{સેન્ટ્રોઇડ્સ બદલાયા?}
    E -->|હા| C
    E -->|ના| F[અંતિમ ક્લસ્ટર્સ]

અલગોરિધમ વિગતો:

• ડિસ્ટન્સ મેટ્રિક: સામાન્ય રીતે યુક્લિડિયન ડિસ્ટન્સ
• કન્વર્જન્સ: જ્યારે સેન્ટ્રોઇડ્સ નોંધપાત્ર રીતે હલવા બંધ કરે છે
• ઉદ્દેશ્ય: વિધિન-ક્લસ્ટર સમ ઓફ સ્ક્વેર્સ (WCSS) ન્યૂનતમ કરવું

ફાયદા:

• સરળ: સમજવા અને અમલીકરણ માટે સરળ
• કાર્યક્ષમ: લિનિયર ટાઈમ કોમ્પ્લેક્સિટી
• સ્કેલેબલ: મોટા ડેટાસેટ સાથે સારી રીતે કામ કરે છે

ગેરફાયદા:

• K સિલેક્શન: પહેલેથી K પસંદ કરવું પડે છે
• ઇનિશિયલાઇઝેશન પ્રત્યે સંવેદનશીલ: વિવિધ શરૂઆતી પોઇન્ટ્સ વિવિધ પરિણામો આપે છે
• ગોળાકાર ક્લસ્ટર્સ ધારે છે: અનિયમિત આકાર સાથે કામ ન કરી શકે

K પસંદ કરવું:

• એલ્બો મેથડ: WCSS vs K પ્લોટ કરવું, “એલ્બો” શોધવું
• સિલ્હુએટ એનાલિસિસ: ક્લસ્ટર ગુણવત્તા માપવી

મેમરી ટ્રીક: “પસઅપ” - પસંદ K, સેન્ટ્રોઇડ ઇનિશિયલાઇઝ, અસાઇન, અપડેટ, પુનરાવર્તન

પ્રશ્ન 5(અ) [3 ગુણ]

#

પ્રિડિક્ટિવ મોડેલ અને ડિસ્ક્રિપ્ટિવ મોડેલ વચ્ચેનો તફાવત આપો.

જવાબ:

પ્રિડિક્ટિવ vs ડિસ્ક્રિપ્ટિવ મોડેલ્સ

• પ્રિડિક્ટિવ: ભવિષ્યની આગાહી કરવા માટે ઐતિહાસિક ડેટાનો ઉપયોગ કરે છે
• ડિસ્ક્રિપ્ટિવ: પેટર્ન સમજવા માટે વર્તમાન ડેટાનું વિશ્લેષણ કરે છે
• ધ્યેય: આગાહી vs સમજ

મેમરી ટ્રીક: “PRED-ભવિષ્ય, DESC-વર્તમાન”

પ્રશ્ન 5(બ) [4 ગુણ]

#

scikit-learn ની એપ્લિકેશનની સૂચિ બનાવો.

જવાબ:

Scikit-learn એપ્લિકેશન

• મશીન લર્નિંગ લાઇબ્રેરી: વ્યાપક Python ટૂલકિટ
• સરળ ઇન્ટીગ્રેશન: NumPy, Pandas સાથે કામ કરે છે
• સારી ડોક્યુમેન્ટેશન: વ્યાપક ઉદાહરણો અને ટ્યુટોરિયલ

મેમરી ટ્રીક: “કરકપ” - Classification, Regression, Clustering, Preprocessing

પ્રશ્ન 5(ક) [7 ગુણ]

#

Numpy ના લક્ષણો અને એપ્લિકેશનો સમજાવો.

જવાબ:

NumPy (Numerical Python) એ Python માં વૈજ્ઞાનિક કોમ્પ્યુટિંગ માટેની મૂળભૂત લાઇબ્રેરી છે, જે મોટા બહુ-પરિમાણીય એરે અને ગાણિતિક ફંક્શન્સ માટે સપોર્ટ પ્રદાન કરે છે.

NumPy લક્ષણો કોષ્ટક

NumPy એપ્લિકેશન

mindmap
  root((NumPy))
    મુખ્ય લક્ષણો
      N-dimensional Arrays
      Broadcasting
      Mathematical Functions
      ઝડપી પરફોર્મન્સ
    એપ્લિકેશન
      મશીન લર્નિંગ
      ઇમેજ પ્રોસેસિંગ
      વૈજ્ઞાનિક કોમ્પ્યુટિંગ
      ફાઇનાન્શિયલ એનાલિસિસ
    ફાયદા
      મેમરી કાર્યક્ષમ
      ઉપયોગમાં સરળ
      સારું ઇન્ટીગ્રેશન
      ઇન્ડસ્ટ્રી સ્ટાન્ડર્ડ

મુખ્ય ક્ષમતાઓ:

• એરે ઓપરેશન્સ: એલિમેન્ટ-વાઇઝ ઓપરેશન્સ, સ્લાઇસિંગ, ઇન્ડેક્સિંગ
• લિનિયર અલજેબ્રા: મેટ્રિક્સ ઓપરેશન્સ, eigenvalues, decompositions
• રેન્ડમ નંબર જનરેશન: આંકડાકીય વિતરણ, સેમ્પલિંગ
• ફૂરિયર ટ્રાન્સફોર્મ: સિગ્નલ પ્રોસેસિંગ, ફ્રીક્વન્સી એનાલિસિસ

ઇન્ટીગ્રેશન:

• Pandas: DataFrames NumPy એરે પર બનેલા છે
• Matplotlib: NumPy એરે પ્લોટ કરવા
• Scikit-learn: ML અલગોરિધમ NumPy એરે વાપરે છે

મેમરી ટ્રીક: “NઝEગવ” - N-dimensional, ઝડપી, એરે, ગણિત, વૈજ્ઞાનિક

પ્રશ્ન 5(અ OR) [3 ગુણ]

#

બેગિંગ પર ટૂંકી નોંધ લખો

જવાબ:

બેગિંગ (Bootstrap Aggregating) એ ensemble પદ્ધતિ છે જે ડેટાના વિવિધ સબસેટ પર બહુવિધ મોડેલ ટ્રેનિંગ કરીને મોડેલ પરફોર્મન્સ સુધારે છે.

બેગિંગ પ્રક્રિયા કોષ્ટક

• વેરિયન્સ રિડક્શન: એવરેજિંગ દ્વારા મોડેલ વેરિયન્સ ઘટાડે છે
• પેરેલલ ટ્રેનિંગ: મોડેલ્સ સ્વતંત્ર રીતે ટ્રેન થાય છે
• ઉદાહરણ: Random Forest ડિસિઝન ટ્રી સાથે બેગિંગ વાપરે છે

મેમરી ટ્રીક: “બટએ” - Bootstrap, Train, Aggregate

પ્રશ્ન 5(બ OR) [4 ગુણ]

#

Pandas લક્ષણોની યાદી આપો.

જવાબ:

Pandas લક્ષણો

ડેટા ઓપરેશન્સ:

• ઇન્ડેક્સિંગ: લવચીક ડેટા સિલેક્શન અને ફિલ્ટરિંગ
• મર્જિંગ: joins સાથે ડેટાસેટ જોડવા
• રીશેપિંગ: પિવોટ ટેબલ અને ડેટા ટ્રાન્સફોર્મેશન

મેમરી ટ્રીક: “ડફઇગ” - DataFrame, ફાઇલ I/O, ઇન્ડેક્સિંગ, ગ્રુપિંગ

પ્રશ્ન 5(ક OR) [7 ગુણ]

#

Matplotlib ની વિશેષતાઓ અને એપ્લિકેશનો સમજાવો.

જવાબ:

Matplotlib એ Python માટેની એક વ્યાપક 2D પ્લોટિંગ લાઇબ્રેરી છે જે વિવિધ ફોર્મેટ અને ઇન્ટરેક્ટિવ વાતાવરણમાં પ્રકાશન-ગુણવત્તાવાળા આકૃતિઓ બનાવે છે.

Matplotlib લક્ષણો

Matplotlib એપ્લિકેશન

flowchart LR
    A[કાચો ડેટા] --> B[Matplotlib પ્રોસેસિંગ]
    B --> C[સ્ટેટિક પ્લોટ]
    B --> D[ઇન્ટરેક્ટિવ પ્લોટ]
    B --> E[પ્રકાશન આકૃતિઓ]
    C --> F[PNG/PDF આઉટપુટ]
    D --> G[વેબ એપ્લિકેશન]
    E --> H[સંશોધન પેપર]

મુખ્ય ઘટકો:

• Figure: બધા પ્લોટ એલિમેન્ટ્સ માટે ટોપ-લેવલ કન્ટેનર
• Axes: આકૃતિની અંદર વ્યક્તિગત પ્લોટ
• Artist: આકૃતિ પર દોરવામાં આવતું બધું (રેખાઓ, ટેક્સ્ટ, વગેરે)
• Backend: વિવિધ આઉટપુટ માટે રેન્ડરિંગ સંભાળે છે

પ્લોટ કસ્ટમાઇઝેશન:

• રંગો/સ્ટાઇલ: વિઝ્યુઅલ વિકલ્પોની વિશાળ શ્રેણી
• એનોટેશન: ટેક્સ્ટ લેબલ, એરો, લેજેન્ડ
• સબપ્લોટ: સિંગલ આકૃતિમાં બહુવિધ પ્લોટ
• લેઆઉટ: ગ્રિડ ગોઠવણી, સ્પેસિંગ કન્ટ્રોલ

ઇન્ટીગ્રેશન ફાયદા:

• NumPy એરે: ન્યુમેરિકલ ડેટાનું સીધું પ્લોટિંગ
• Pandas: બિલ્ટ-ઇન પ્લોટિંગ મેથડ્સ
• Jupyter Notebooks: ઇનલાઇન પ્લોટ ડિસ્પ્લે
• વેબ ફ્રેમવર્ક: એપ્લિકેશનમાં પ્લોટ એમ્બેડ કરવા

આઉટપુટ ફોર્મેટ:

• રેસ્ટર: વેબ ઉપયોગ માટે PNG, JPEG
• વેક્ટર: પ્રકાશન માટે PDF, SVG
• ઇન્ટરેક્ટિવ: વેબ ડિપ્લોયમેન્ટ માટે HTML

મેમરી ટ્રીક: “બવઇકવ” - બહુવિધ પ્લોટ, વિઝ્યુઅલાઇઝેશન, ઇન્ટરેક્ટિવ, કસ્ટમાઇઝેબલ, વૈજ્ઞાનિક