কখন কোন মেশিন লার্নিং অ্যালগোরিদম ব্যবহার করব? পর্ব-৪

• Bayesian Networks: Bayesian networks হল Probabilistic Graphical Model যা ডেটা এবং/অথবা বিশেষজ্ঞ মতামত থেকে মডেল তৈরি করতে ব্যবহার করা যেতে পারে। এর অন্যতম ব্যবহার গুলো হল; anomaly detection, diagnostics, reasoning, causal modeling, decision making, anomaly detection, automated insight এবং prediction. এটি ডাটা সায়েন্সের একটি এডভান্সড মডেল। পরবর্তিতে এটি নিয়ে আমি আলাদা ব্লগ লিখব ইনশা আল্লাহ।
• Markov Chain Model: Markov Chain হল একটি স্টোকাস্টিকস প্রসেস(সর্বদা পরিবর্তনশীল) যেটি প্রিভিয়াস স্টেটের উপর বেস করে কোনো ইভেন্টের আউটকাম প্রিডিক্ট করতে ব্যবহার হয়। information theory, search engines, speech recognition, MCMC(Markov Chain Monte Carlo) ইত্যাদি ক্ষেত্রে এটি ব্যাপক ব্যবহার হয়ে থাকে। পরবর্তিতে এটি নিয়ে আমি আলাদা ব্লগ লিখব ইনশা আল্লাহ। এখানে আপনাদেরকে একটু বেসিক দেওয়ার চেষ্টা করেছি মাত্র।
• Gaussian Mixture Models: Gaussian Mixture Models সাধারনত প্রবাবিলিটি ডিস্ট্রিবিউশানের উপর বেস করে ডাটাকে বিভিন্ন ক্যাটেগরিতে ভাগ করে। finance, marketing, clustering ইত্যাদি ক্ষেত্রে এটি ব্যাপক ব্যবহার হয়ে থাকে। Expectation Maximum(EM) হল Gaussian Mixture Models এর প্যারামিটার ইস্টিমেশনের জন্য পাওয়ার ফুল একটি প্রক্রিয়া। রবর্তিতে এটি নিয়ে আমি আলাদা ব্লগ লিখব ইনশা আল্লাহ।

পরবর্তী পর্বে আমরা আর ও অন্য অ্যালগোরিদম গুলো সম্পর্কে জানব। Stay with me.