একজন নিরাপত্তা রক্ষী যেভাবে ‘ভালো’ আর ‘খারাপ’ মানুষ চিহ্নিত করে সীমা নির্ধারণ করে, Support Vector Machine বা SVM ঠিক তেমনই কাজ করে — ডেটা পয়েন্টের মাঝে একটি সর্বোত্তম সীমারেখা (decision boundary) নির্ধারণ করে, যাতে শ্রেণীকরণ বা ক্লাসিফিকেশন সহজ হয়।
🔬 উদাহরণ: ফল চেনা (আপেল নাকি কমলা)
আমরা একটি সিম্পল ডেটাসেট নেব যেখানে ফলের ওজন ও রঙের উপর ভিত্তি করে নির্ধারণ করব ফলটি আপেল নাকি কমলা।
📊 Python Code:
# Import required libraries
from sklearn import svm
import numpy as np
# Dataset: [weight (grams), color intensity]
X = [[150, 0.8], [130, 0.7], [180, 0.85], [120, 0.65], [200, 0.9]]
y = [0, 0, 0, 1, 1] # 0 = Apple, 1 = Orange
# Create SVM classifier
clf = svm.SVC(kernel='linear') # Linear kernel
clf.fit(X, y)
# Predict new data
new_fruit = [[160, 0.82]]
prediction = clf.predict(new_fruit)
print("🍎🍊 Predicted fruit:", "Orange" if prediction[0] == 1 else "Apple")
🧠 SVM কীভাবে সিদ্ধান্ত নেয়?
- SVM এমন একটি সীমারেখা নির্ধারণ করে যা দুটি শ্রেণির মধ্যকার দূরত্ব (margin) সর্বাধিক রাখে।
- এই সীমারেখার কাছাকাছি থাকা গুরুত্বপূর্ণ ডেটা পয়েন্টগুলোকে বলে Support Vectors।
- যদি ডেটা লিনিয়ার না হয়, তাহলে SVM ‘kernel trick’ ব্যবহার করে তা হাই-ডাইমেনশনাল স্পেসে নিয়ে গিয়ে শ্রেণীভুক্ত করে।
📚 শেখার সারাংশ:
SVM এমন এক classifier যা ডেটার মাঝে স্পষ্ট সীমানা নির্ধারণ করে। এটি স্প্যাম ডিটেকশন, ইমেজ ক্লাসিফিকেশন, ও বায়োমেট্রিক সিকিউরিটিতে খুবই কার্যকর।
🔜 পরবর্তী ব্লগ:
পরবর্তী পর্বে আমরা জানবো **K-Means Clustering** সম্পর্কে — কিভাবে ডেটা নিজে নিজে গ্রুপে ভাগ হয় যখন কোনো লেবেল থাকে না।
✍️ লেখক পরিচিতি
Amanul Islam বর্তমানে University of Colorado at Colorado Springs-এ Security বিষয়ে পিএইচডি করছেন। তার গবেষণার বিষয়বস্তু অন্তর্ভুক্ত করে: 5G/6G নিরাপত্তা, ক্রিপ্টোকারেন্সি বিশ্লেষণ, এবং মেশিন লার্নিং ভিত্তিক অ্যানোমালি ডিটেকশন।
বাংলাভাষায় প্রযুক্তি সহজভাবে শেখানোর লক্ষ্য নিয়ে তিনি এই ব্লগ সিরিজ চালিয়ে যাচ্ছেন।
🌐 আরও পড়ুন: ICT Academy Bangladesh
📅 প্রকাশের তারিখ: ৭ জুন ২০২৫
0 মন্তব্যসমূহ