Classification আর Regression: পার্থক্য কী?
Classification ক্যাটাগরি অনুমান করে আর regression সংখ্যা। পার্থক্য, উদাহরণ, metric এবং দুটোর একটি ছোট Python demo দেখুন।
ছোট উত্তর: মেশিন লার্নিং-এ classification আর regression-এর পার্থক্য হলো model কী ধরনের উত্তর দেয় তাতে। Classification একটি ক্যাটাগরি অনুমান করে, যেমন spam বা spam নয়। Regression একটি সংখ্যা অনুমান করে, যেমন বাড়ির দাম বা আগামীকালের তাপমাত্রা। দুটোই supervised learning, যেখানে model জানা উত্তরসহ উদাহরণ থেকে শেখে।
Classification কী?
Classification একটি জিনিসকে নির্দিষ্ট কয়েকটি class-এর একটিতে রাখে। দুটি class থাকলে একে binary classification বলে (spam বা spam নয়)। বেশি হলে multi-class (এই ছবিটি বিড়াল, কুকুর না পাখির?)। Output হলো একটি label, অনেক সময় সম্ভাবনাসহ।
Regression কী?
Regression একটি ধারাবাহিক সংখ্যা অনুমান করে। উত্তরটি কয়েকটি label-এর একটি নয়, একটি পরিসরের যেকোনো মান হতে পারে: দাম, তাপমাত্রা, ডেলিভারিতে কত মিনিট লাগবে।
Classification আর Regression: পাশাপাশি তুলনা
Classification | Regression | |
|---|---|---|
Output | একটি ক্যাটাগরি (label) | একটি সংখ্যা |
উদাহরণ প্রশ্ন | এই email কি spam? | এই বাড়িটি কত দামে বিক্রি হবে? |
সাধারণ algorithm | Logistic regression, decision tree, k-nearest neighbours | Linear regression, decision tree, random forest |
সাধারণ metric | Accuracy, precision, recall | Mean absolute error, mean squared error |
কিছু algorithm দুটোই করতে পারে, তাই নামে মিল দেখা যায়। নাম সত্ত্বেও logistic regression ব্যবহার হয় classification-এর জন্য।
কোনটি লাগবে বুঝবেন কীভাবে?
নিজেকে জিজ্ঞেস করুন: “উত্তরটি কি ক্যাটাগরি, না সংখ্যা?”
“এই customer কি চলে যাবে?” উত্তর হ্যাঁ বা না, তাই এটি classification।
“আগামী সপ্তাহে কয়টি জিনিস বিক্রি হবে?” উত্তর একটি গণনা, তাই এটি regression।
“এই টিউমারের ছবিটি benign কি না?” এটি classification।
“দুপুর ১২টায় তাপমাত্রা কত হবে?” এটি regression।
একটি জটিল ক্ষেত্র হলো বয়স। আপনি সঠিক বয়স অনুমান করতে পারেন (regression), আবার মানুষকে শিশু, প্রাপ্তবয়স্ক ও প্রবীণ গ্রুপে ভাগও করতে পারেন (classification)। সিদ্ধান্তের কী দরকার তার উপর ভিত্তি করে বেছে নিন।
Python-এ ছোট একটি উদাহরণ
কোনো library ছাড়া, সাধারণ Python-এ দুটি ধারণাই:
# Regression: predict a NUMBER (exam score) from hours studied
hours = [1, 2, 3, 4, 5]
score = [52, 58, 65, 71, 78]
n = len(hours)
mean_x = sum(hours) / n
mean_y = sum(score) / n
slope = (sum((x - mean_x) * (y - mean_y) for x, y in zip(hours, score))
/ sum((x - mean_x) ** 2 for x in hours))
intercept = mean_y - slope * mean_x
print("Predicted score for 6 hours:", round(slope * 6 + intercept, 1))
# Classification: predict a LABEL (pass or fail) with the nearest example
examples = [(1, "fail"), (2, "fail"), (4, "pass"), (5, "pass")]
def classify(h):
return min(examples, key=lambda e: abs(e[0] - h))[1]
print("Label for 3.5 hours:", classify(3.5))প্রথম অংশ একটি সরলরেখা বসিয়ে ৬ ঘণ্টার জন্য প্রায় ৮৪.৩ score অনুমান করে। দ্বিতীয় অংশ ৩.৫ ঘণ্টার জন্য pass label দেয়, কারণ সবচেয়ে কাছের উদাহরণ ৪। বাস্তব প্রজেক্টে scikit-learn-এর মতো library ব্যবহার হয়, যেমন scikit-learn দিয়ে প্রথম model অধ্যায়ে।
কমন ভুল
Regression সমস্যায় accuracy ব্যবহার করা। এর বদলে error metric ব্যবহার করুন।
সংখ্যার মতো দেখতে label (যেমন class ১, ২, ৩) কে পরিমাণ ভেবে regression করা।
একটি class বিরল হলে শুধু accuracy দিয়ে classifier বিচার করা, কারণ যে model সবসময় “না” বলে সেটিও নির্ভুল দেখাতে পারে।
Logistic regression আর regression গুলিয়ে ফেলা।
মূল কথা
Classification ক্যাটাগরি অনুমান করে; regression সংখ্যা অনুমান করে। উত্তরটি কেমন হবে জিজ্ঞেস করলেই বেছে নেওয়া সাধারণত সহজ হয়। বড় ছবির জন্য দেখুন মেশিন লার্নিং-এর প্রকারভেদ।
শুরু করতে চান? Model-এর code লেখার আগে সহজ ভাষায় বুঝে নিন মেশিন কীভাবে ডেটা থেকে শেখে। শুরু করুন ফ্রি কোর্স এআই কীভাবে কাজ করে: সবার জন্য ভিত্তি দিয়ে।
সম্পর্কিত লেখা
মেশিন লার্নিং বিভাগের আরও লেখা
Precision, Recall আর F1 score সহজ ভাষায়
Precision, recall ও F1 score কী, confusion matrix থেকে কীভাবে হিসাব করবেন, আর আপনার সমস্যায় কোনটি বেশি জরুরি তা কীভাবে বুঝবেন।
4 মিনিট পড়া১৬ নভে, ২০২৬Training, Validation ও Test data: কেন তিন ভাগ?
Machine learning-এর ডেটা কেন training, validation ও test এই তিন ভাগে ভাগ হয়, প্রতিটির কাজ, কীভাবে ভাগ করবেন এবং data leakage কীভাবে এড়াবেন।
3 মিনিট পড়া১৩ নভে, ২০২৬Overfitting আর Underfitting কী? সহজ উদাহরণে
Overfitting ও underfitting কী, training ও test error দেখে কীভাবে চিনবেন এবং কীভাবে ঠিক করবেন, ছোট চালানো যায় এমন উদাহরণসহ।
3 মিনিট পড়া৮ নভে, ২০২৬Deep learning-এর ১০টি বাস্তব ব্যবহার
Deep learning চালায় speech recognition, অনুবাদ, recommendation, chatbot ও আরও অনেক কিছু। ১০টি ব্যবহার এবং প্রতিটির পেছনের model জানুন।
3 মিনিট পড়া৫ নভে, ২০২৬মেশিন লার্নিং-এর জন্য কতটুকু গণিত লাগে?
লক্ষ্য অনুযায়ী সৎ উত্তর: machine learning-এর জন্য linear algebra, probability, statistics ও calculus কতটুকু লাগে, শুরুতে কী বাদ দেবেন, আর coding-এর পাশাপাশি কীভাবে শিখবেন।
4 মিনিট পড়া৩ নভে, ২০২৬নিউরাল নেটওয়ার্ক কী ও কীভাবে কাজ করে? সহজ ভাষায়
Neuron, weight, bias, layer এবং network কীভাবে নিজের ভুল থেকে শেখে, সহজ ভাষায়, হাতের লেখা সংখ্যার উদাহরণসহ, কঠিন অঙ্ক ছাড়া।
4 মিনিট পড়া৩০ অক্টো, ২০২৬
মন্তব্য
আলোচনায় যোগ দিতে সাইন ইন করুন।

