Imbalanced Data in Machine Learning | Undersampling | Oversampling | SMOTE — Transcript

Full transcript

1. 0:00हाय गाइस माय नेम इज नितीश एंड यू वेलकम
2. 0:02टू माय
3. 0:30लेट्स मेक अ वीडियो ऑन दिस टॉपिक सो इस
4. 0:32वीडियो में हम लोग सबसे पहले यह डिस्कस
5. 0:34करेंगे कि इंबैलेंसड डाटा क्या होता है अ
6. 0:37इंबैलेंस डेटा के होने से क्या प्रॉब्लम्स
7. 0:39हो सकती हैं आपको क्यों इंबैलेंस डाटा
8. 0:41पढ़ना चाहिए और उसके बाद हमने पांच
9. 0:43टेक्निक्स डिस्कस की है इस वीडियो में
10. 0:45जहां पर आप यह सीखो ग कि अगर आपके पास
11. 0:47इंबैलेंस डटा है तो आप उसको कैसे
12. 0:49इफेक्टिवली हैंडल कर सकते हो सो लेट्स
13. 0:52स्टार्ट द वीडियो सो वीडियो की शुरुआत में
14. 0:55ही सबसे पहले इस क्वेश्चन को आंसर करते
15. 0:57हैं कि इंबैलेंसड डाटा होता क्या है इन
16. 0:59मशीन लर्निंग सो एक एग्जांपल के थ्रू
17. 1:03समझते हैं मान लीजिए आप एक क्लासिफिकेशन
18. 1:05प्रॉब्लम सॉल्व कर रहे हो ठीक है
19. 1:07क्लासिफिकेशन प्रॉब्लम क्या है कि आपके
20. 1:10पास एक कॉलेज का डाटा है जहां पर आपके पास
21. 1:13कुछ स्टूडेंट्स हैं और उन स्टूडेंट्स का
22. 1:15आपके पास सीजीपीए का डाटा है आईक्यू का
23. 1:17डाटा है और प्लेसमेंट हुआ या नहीं हुआ
24. 1:20इसका डाटा है और अब आप इसके ऊपर एक मॉडल
25. 1:23को ट्रेन करना चाहते हो और आप चाहते हो कि
26. 1:25इस मॉडल को जभी भी आप फ्यूचर में एक नए
27. 1:28बच्चे का सीजीपीए
28. 1:30और आईक्यू दो तो यह मॉडल सही से प्रिडिक्ट
29. 1:33कर पाए कि उसका प्लेसमेंट होगा या नहीं
30. 1:35होगा राइट अब थोड़ी देर के लिए मान लेते
31. 1:38हैं कि यह जो डाटा है यह किसी बहुत अच्छे
32. 1:40कॉलेज का है मान लो किसी आईआईटी का है और
33. 1:44आईआईटी का है मतलब यहां पर ज्यादातर
34. 1:46बच्चों का प्लेसमेंट हो जाता है कुछ एक
35. 1:49बच्चे ऐसे हैं जिनका प्लेसमेंट नहीं होता
36. 1:51है सो मान लो अगर हमारे पास फोर्थ ईयर के
37. 1:53बच्चों का डेटा है और हमारे पास कुछ 500
38. 1:56स्टूडेंट्स का डाटा है तो देर इज अ चांस
39. 1:59कि
40. 2:00450 बच्चों का प्लेसमेंट हो गया होगा और
41. 2:0350 बच्चों का प्लेसमेंट नहीं हुआ होगा अब
42. 2:07इस तरह के सिचुएशन में यह जो डाटा हमें
43. 2:09मिला इसी को बोला जाता है इंबैलेंसड डाटा
44. 2:13क्यों क्योंकि यहां पर जो दो क्लासेस हैं
45. 2:16प्लेसमेंट हुआ या नहीं हुआ इन दोनों
46. 2:18क्लासेस के बीच में एक इंबैलेंस है राइट
47. 2:21आपका बहुत
48. 2:22ज्यादा मेजॉरिटी में प्लेसमेंट होने वाले
49. 2:26बच्चे हैं और माइनॉरिटी में नहीं होने
50. 2:29वाले बच्चे हैं अब अगर आप इसको प्लॉट करो
51. 2:32तो आपको कुछ इस तरह का ग्राफ दिखाई देगा
52. 2:34जहां पे आपने एक्स एक्सिस पे सीजीपीए को
53. 2:36रखा है वा एक्सिस पे आईक्यू को रखा है एंड
54. 2:39यू कैन सी कि यहां पे जो पॉइंट्स है हर
55. 2:41पॉइंट रिप्रेजेंट्स वन स्टूडेंट का डाटा
56. 2:44एंड यू कैन सी देयर आर अ लॉट ऑफ ब्लू
57. 2:47पॉइंट्स
58. 2:47जो ऐसे बच्चों को रिप्रेजेंट कर रहा है
59. 2:50जिनका प्लेसमेंट हो जाता है और रेड वाले
60. 2:53पॉइंट्स ऐसे बच्चों को रिप्रेजेंट कर रहे
61. 2:55हैं जिनका प्लेसमेंट नहीं होता है सो यू
62. 2:57कैन सी ब्लू का डेंसिटी और नंबर बहुत
63. 3:01ज्यादा है इन कंपेरिजन टू रेड वाले बच्चों
64. 3:04का तो इस तरह का सिनेरियो अगर कभी आपको
65. 3:07दिखाई दे मशीन लर्निंग में तो इसी को बोला
66. 3:09जाता है इंबैलेंस डेटा इन मशीन लर्निंग यह
67. 3:12जो मैंने आपको एग्जांपल दिया यह एक बाइनरी
68. 3:15क्लासिफिकेशन प्रॉब्लम का एग्जांपल था बट
69. 3:17ट्रस्ट मी यह सेम प्रॉब्लम आपको मल्टी
70. 3:20क्लास क्लासिफिकेशन में भी हो सकती है ऐसा
71. 3:22भी हो सकता है कि इसी कॉलेज में एक और
72. 3:26ग्रुप ऑफ स्टूडेंट्स है जिन्होंने
73. 3:27प्लेसमेंट में पार्टिसिपेट ही नहीं किया
74. 3:30तो मान लो वह बच्चे ज्यादा नहीं है 10 ही
75. 3:32बच्चे हैं और वह यहां पर
76. 3:34है तो अब यह मल्टी क्लास क्लासिफिकेशन
77. 3:37प्रॉब्लम है बट इसमें एक क्लास ब्लू वाली
78. 3:40क्लास बाकी दोनों क्लासेस को डोमिनेट कर
79. 3:43रही है ब्लू वाली क्लास मेजॉरिटी में है
80. 3:45ग्रीन वाली क्लास रेड वाली क्लास
81. 3:47माइनॉरिटी में है एंड दिस इज एन एग्जांपल
82. 3:49ऑफ इंबैलेंस डाटा तो आई रियली होप आपको
83. 3:52सबसे पहले यह समझ में आ गया कि इंबैलेंस
84. 3:54डाटा होता क्या है मशीन लर्निंग में अगर
85. 3:57आपको यह समझ में आ गया तो अब आपके दिमाग
86. 4:00क्यूरिसिटी आनी चाहिए कि तो क्या हुआ अगर
87. 4:02मेरे पास इन बैलेंस डाटा है भी तो उसमें
88. 4:06प्रॉब्लम क्या है यह मैं आपको सबसे पहले
89. 4:08समझाना चाहूंगा अब इंबैलेंस डाटा जो होता
90. 4:10है ना उसके साथ दो प्रॉब्लम्स आती है और
91. 4:13यह दोनों प्रॉब्लम्स बहुत बड़ी है लेट्स
92. 4:16टॉक अबाउट द फर्स्ट प्रॉब्लम द फर्स्ट
93. 4:18प्रॉब्लम इज
94. 4:20बायस लेट मी एक्सप्लेन इसका क्या मतलब है
95. 4:24मशीन लर्निंग में एवरीथिंग इज अबाउट डेटा
96. 4:26आप किसी मशीन लर्निंग मॉडल को डेटा देते
97. 4:28हो मशीन मॉडल उसमें पैटर्न खोजता है लर्न
98. 4:32करता है और फिर एक बार जब वो सीख जाता है
99. 4:34तो प्रेडिक्शन कर पाता है बट अगर आप उसको
100. 4:37डाटा ही ना दो तो फिर वह सीख ही नहीं सकता
101. 4:40यही प्रॉब्लम अप्लाई होती है इंबैलेंस
102. 4:42डाटा में इंबैलेंस डाटा में आपके पास दो
103. 4:44क्लासेस है एक है आपका मेजॉरिटी क्लास
104. 4:48जिसके आपके पास खूब सारे इंस्टेंसस है और
105. 4:51एक है आपका माइनॉरिटी क्लास जो थोड़ा रेयर
106. 4:54है आपके डाटा में तो होगा क्या कि जब आप
107. 4:56इन दोनों को भेजोगे किसी एक मशीन लर्निंग
108. 5:00एल्गोरिथम के पास तो मशीन लर्निंग
109. 5:04एल्गोरिथम को ज्यादा डाटा दिखाई देगा
110. 5:06मेजॉरिटी क्लास का और सिंस उसको ज्यादा
111. 5:09डाटा दिखाई देगा मेजॉरिटी क्लास का तो वह
112. 5:11ज्यादा सीखेगा भी मेजॉरिटी क्लास के बारे
113. 5:13में ज्यादा फोकस भी करेगा मेजॉरिटी वाले
114. 5:15क्लास के बारे में और सिंस माइनॉरिटी वाली
115. 5:18क्लास ओबवियसली माइनॉरिटी में है मतलब
116. 5:21इसका ज्यादा डाटा ही अवेलेबल नहीं है तो
117. 5:23यह एल्गोरिदम इस क्लास के ऊपर ज्यादा फोकस
118. 5:26ही नहीं करेगा और इसको ज्यादा वैल्यू नहीं
119. 5:28करेगा इंपॉर्टेंस नहीं देगा और इससे क्या
120. 5:30होगा कि आपका जो मॉडल ट्रेन होगा व बायस
121. 5:34होगा टुवर्ड्स द मेजॉरिटी क्लास और उसके
122. 5:37जो रिजल्ट्स होंगे वह मेजॉरिटी वाले क्लास
123. 5:40के लिए तो अच्छे होंगे बट आपका जो
124. 5:42माइनॉरिटी क्लास के ऊपर रिजल्ट्स आएंगे वह
125. 5:44बहुत ही खराब होंगे तो दिस इज द बिगेस्ट
126. 5:47प्रॉब्लम विद इंबैलेंस डेटा सेकंड
127. 5:49प्रॉब्लम सेकंड प्रॉब्लम इज की सर्टेन
128. 5:54मेट्रिक्स आर नॉट
129. 5:58रिलायबल इसका भी मैं आपको मतलब समझाता हूं
130. 6:01सो क्लासिफिकेशन प्रॉब्लम की अगर आप बात
131. 6:03करो तो जनरली आप सबसे रिलायबल मैट्रिक
132. 6:06किसको मानते हो या सबसे ज्यादा आप विश्वास
133. 6:09किस पर करते हो किसकी बात करते हो आई गेस
134. 6:11आप बोलोगे एक्यूरेसी क्लासिफिकेशन
135. 6:13प्रॉब्लम है मतलब एक्यूरेसी की बात होगी
136. 6:15बट गेस व्हाट अगर आपके पास इंबैलेंस डाटा
137. 6:18है तो एक्यूरेसी इज नॉट अ रिलायबल मैट्रिक
138. 6:21मैं आपको एक छोटे एग्जांपल से समझाने की
139. 6:23कोशिश करता हूं मान लो आपके पास सेम
140. 6:26एग्जांपल लेते हैं
141. 6:27450 इनफैक्ट एक काम करते हज के स्केल पर
142. 6:30ले लेते हैं कैलकुलेशन आसान हो जाएगा 900
143. 6:33बच्चे ऐसे हैं जिनका प्लेसमेंट हो चुका है
144. 6:37और 100 बच्चे ऐसे हैं जिनका प्लेसमेंट
145. 6:40नहीं हुआ है आपके ट्रेनिंग डाटा में अब
146. 6:43अगर आप इस डाटा के ऊपर एक डम मॉडल ट्रेन
147. 6:47कर दो डम मॉडल का मतलब जो बहुत इंटेलिजेंट
148. 6:51नहीं है हमने इसमें बस एक लाइन ऑफ कोड
149. 6:53लिखा है कि किसी भी बच्चे का डाटा तुझे
150. 6:55मिले सिंपली बोल दे कि उसका प्लेसमेंट
151. 6:57होगा ज्यादा सो मत अब अगर आप इस मॉडल को
152. 7:02भी इस डाटा पर ट्रेन करोगे एनी गेसेस आपका
153. 7:06एक्यूरेसी कितना होगा आपका एक्यूरेसी होगा
154. 7:0990
155. 7:10पर राइट आपने इसको हज बच्चे दिखाए उसने
156. 7:13विदाउट सोचे हज के हजार में उसने क्या बोल
157. 7:16दिया कि प्लेसमेंट होगा कितनी बार गलत हुआ
158. 7:20सिर्फ 100 बार और कितनी बार सही हुआ 900
159. 7:23बार एक्यूरेसी कितना हो गया 90 पर अब 90
160. 7:27पर एक्यूरेसी कैसी है बहुत ही अच्छी है 90
161. 7:29पर एक्यूरेसी के लिए तो हम लोग मरते हैं
162. 7:31और हमें ऐसे ही जस्ट लाइक दैट 90 पर
163. 7:34एक्यूरेसी अचीव हो गई बट क्या वो फायदेमंद
164. 7:36है नहीं जिन बच्चों का प्लेसमेंट नहीं हुआ
165. 7:39है उनको प्रिडिक्ट करने में हमारा मॉडल
166. 7:41जरा भी कैपेबल नहीं है बट हमारा एक्यूरेसी
167. 7:4390 पर है तो दिस इज द सेकंड बिगेस्ट
168. 7:45प्रॉब्लम विथ इंबैलेंस डाटा कि आपके
169. 7:48सर्टेन मेट्रिक्स जैसे कि एक्यूरेसी दे आर
170. 7:52अनरिलायबल आप उन परे रिलाई नहीं कर सकते
171. 7:55ये दोनों पॉइंट्स मैं आपको प्रैक्टिकली
172. 7:56प्रूव करके दिखाता हूं
173. 8:00सो मैंने ये डेटा सेट लिया ये एगजैक्टली
174. 8:02वही डेटा है जो मैंने आपको थोड़ी देर पहले
175. 8:04दिखाया था सो इस डेटा में यू कैन सी
176. 8:06इंबैलेंस है ब्लू वाला क्लास डोमिनेट कर
177. 8:08रहा है रेड वाला क्लास बहुत कम है अब
178. 8:10मैंने क्या किया मैंने इस डाटा के ऊपर एक
179. 8:13लॉजिस्टिक रिग्रेशन मॉडल को ट्रेन किया
180. 8:16ठीक है और लॉजिस्टिक रिग्रेशन मॉडल को
181. 8:18ट्रेन करने के बाद मैंने दो-तीन चीजें की
182. 8:20सबसे पहले एक्यूरेसी कैलकुलेट किया दूसरा
183. 8:22मैंने डिसीजन बाउंड्री प्लॉट करके अ देखना
184. 8:25चाहा सबसे पहले मैं आपको डिसीजन बाउंड्री
185. 8:27दिखाता हूं यह देखो गाइ दिस इज द डिसीजन
186. 8:30बाउंड्री सिंस हम लॉजिस्टिक रिग्रेशन यूज
187. 8:32कर रहे हैं तो डिसीजन बाउंड्री एक लाइन
188. 8:33होगा यू कैन सी दिस लाइन ये लाइन कहां से
189. 8:36गुजर रहा है यह लाइन बहुत ही नीचे से गुजर
190. 8:40रहा है और अगर आप ध्यान दो इस लाइन को
191. 8:42समझने की कोशिश करो तो आप रियलाइफ करोगे
192. 8:44कि सम हाउ यह लाइन या फिर यह लॉजिस्टिक
193. 8:46रिग्रेशन मॉडल इज ट्राइम वेरी हार्ड कि वो
194. 8:49येलो वाले जो आपके इंस्टेंसस हैं जो आपके
195. 8:52मेजॉरिटी क्लास है उसके ऊपर कोई गलती ना
196. 8:54करें भले ही पर्पल वाली जो क्लास है उसमें
197. 8:57गलती हो जाए फर्क नहीं पड़ता है बट उसका
198. 8:59बहुत हाई फोकस है कि येलो वाली क्लास के
199. 9:02ऊपर गलती नहीं होनी चाहिए और ये बायस का
200. 9:05एग्जांपल है राइट आप देख रहे हो किस तरीके
201. 9:08से आपका मॉडल आपके मेजॉरिटी क्लास को सही
202. 9:11से प्रिडिक्ट करने की कोशिश कर रहा है
203. 9:14वेयर एज माइनॉरिटी वाले क्लास से उसको
204. 9:15ज्यादा फर्क नहीं पड़ रहा है और यही होता
205. 9:17है जब आप इनैंस्तादत
206. 9:27हूं यहां पर देखो मैंने क्लासि रिपोर्ट
207. 9:30प्रिंट किया है कैन यू सी द एक्यूरेसी ऑफ
208. 9:32दिस मॉडल द एक्यूरेसी इज 96 पर कम ऑन 96
209. 9:36पर इज सो गुड राइट आप कभी कोई मशीन
210. 9:39लर्निंग मॉडल बिल्ड करो और आप 96 पर
211. 9:41एक्यूरेसी अचीव करो आप खुश हो जाओगे राइट
212. 9:45बट आप अगर ध्यान दो और आप इस जगह पर फोकस
213. 9:49करो और स्पेसिफिकली इस नंबर पे फोकस करो
214. 9:52तो आपको झटका लगेगा कि आपका जो माइनॉरिटी
215. 9:55क्लास है उसपे जो रिकॉल स्कोर है दैट इज
216. 9:58जस्ट 29 पर इसका मतलब पता है क्या है इसका
217. 10:01मतलब यह हुआ कि आपके मॉडल को आपके इस
218. 10:04लॉजिस्टिक रिग्रेशन मॉडल को जब 100
219. 10:07इंस्टेंसस दिखाए गए माइनॉरिटी क्लास के व
220. 10:10उसमें से सिर्फ 29 को सही से क्लासिफाई कर
221. 10:13पाया 71 पे उसने गलती की बट गेस व्हाट
222. 10:17सिंस माइनॉरिटी क्लास माइनॉरिटी में है तो
223. 10:20फर्क नहीं पड़ता एक्यूरेसी इज वेरी हाई बट
224. 10:23इमेजिन अगर आपने यह मॉडल बनाया ही होता
225. 10:26माइनॉरिटी क्लास को सही से प्रिडिक्ट करने
226. 10:28के लिए तो तो फिर ये मॉडल तो बहुत ही खराब
227. 10:30मॉडल है आई होप आप मेरी बात समझ पा रहे हो
228. 10:33तो यही दो सबसे बड़ी प्रॉब्लम्स होती है
229. 10:35इंबैलेंस डाटा में मैं फिर से एक बार
230. 10:36सराइज कर देता हूं द फर्स्ट प्रॉब्लम इज
231. 10:39कि एक बायस होता है टुवर्ड्स द मेजॉरिटी
232. 10:42क्लास माइनॉरिटी क्लास को इग्नोर किया
233. 10:44जाता है जिसकी वजह से आपके रिजल्ट्स अच्छे
234. 10:47नहीं आएंगे माइनॉरिटी वाले क्लास पे एंड द
235. 10:49सेकंड प्रॉब्लम इज कि आपका एक्यूरेसी जैसा
236. 10:52मैट्रिक आपको बहुत अलग और बहुत अच्छा
237. 10:54पिक्चर दिखाएगा बट रियलिटी जो है वो उससे
238. 10:58बहुत खराब होती है और वह आपको तब समझ में
239. 11:00आता है जब आप दूसरे मैट्रिक्स को जा करर
240. 11:02के देखते हो जैसे कि प्रेसीजन हुआ रीकॉल
241. 11:04हुआ आरओ एओसी स्कोर हुआ इनके पास जब आप
242. 11:07देखे जाके समझने की कोशिश करोगे तो आपको
243. 11:10पता चलेगा कि चीजें बहुत खराब चल रही हैं
244. 11:13अब आपको यह तो समझ में आ गया कि इंबैलेंस
245. 11:15डेटा होता क्या है और इंबैलेंस डेटा के
246. 11:17होने पे प्रॉब्लम्स क्या होती हैं एंड ऑब्
247. 11:20वियस लॉजिकल स्टेप यह होगा कि नेक्स्ट हम
248. 11:22लोग यह पढ़े कि इंबैलेंस डाटा को हैंडल
249. 11:24कैसे करना है बट उसके पहले मुझे लगता है
250. 11:27आपके दिमाग में एक क्यूरियोसिटी और आ सकती
251. 11:29है और मैं पहले उसको आंसर करना चाहूंगा और
252. 11:33वो क्यूरियोसिटी यह है कि आपके दिमाग में
253. 11:35यह क्वेश्चन उठ सकता है कि मैं क्यों
254. 11:37इंबैलेंस डेटा प ध्यान लगाऊ मुझे क्यों
255. 11:39पढ़ना चाहिए इंबैलेंस डाटा के बारे में तो
256. 11:41लेट मी आंसर दिस क्वेश्चन फर्स्ट मुझे
257. 11:43आपको थोड़ा मोटिवेट करना है ताकि आप और
258. 11:45अच्छे से इस पूरे वीडियो को देखो सो मैं
259. 11:48आपको दो रीजन दूंगा कि आपको क्यों
260. 11:50इंबैलेंस डाटा पढ़ना चाहिए अगर आप एक डेटा
261. 11:54साइंस अ एस्परेंस हो सो रीजन नंबर वन इज
262. 12:01दैट इंबैलेंस डेटा इज ओमनीप्रेजेंट
263. 12:06इंबैलेंस डेटा हर जगह मिलेगा आपको आज की
264. 12:09डेट में इंडस्ट्रीज की अगर आप बात करो
265. 12:11कंपनीज की बात करो तो क्लासिकल मशीन
266. 12:14लर्निंग कहां अप्लाई होती है मैं आपको
267. 12:16बताता हूं कुछ डोमस जहां पर आज की डेट में
268. 12:19मशीन लर्निंग भर भर के अप्लाई की जाती है
269. 12:22द फर्स्ट डोमेन इज फाइनेंस फाइनेंशियल
270. 12:25कंपनीज को मशीन लर्निंग की जितनी जरूरत है
271. 12:28शायद उतना और किसी को नहीं होगा उनका हर
272. 12:30डिसीजन मेकिंग मशीन लर्निंग पर डिपेंड
273. 12:33करता है सेकंड इज हेल्थ केयर हेल्थ केयर
274. 12:36में भी मशीन लर्निंग बहुत यूज होता है
275. 12:38मैन्युफैक्चरिंग कंज्यूमर इंटरनेट कंपनीज
276. 12:40लाइक
277. 12:59सालों से मशीन लर्निंग अप्लाई की जा रही
278. 13:01है कि भाई खूब सारे क्रेडिट कार्ड
279. 13:03ट्रांजैक्शन होते हैं आपको उनमें से उन
280. 13:06ट्रांजैक्शंस को खोजना है जो फ्रॉड एंट है
281. 13:09राइट या फिर क्रेडिट रिस्क असेसमेंट जो
282. 13:15बैंक्स करते हैं लोन देने के पहले कि इज
283. 13:18देर चांस कि यह लोन हमारा जो हमने दिया है
284. 13:21वह डूब जाएगा यह एक बहुत इंपॉर्टेंट
285. 13:24एप्लीकेशन है हेल्थ केयर में रेयर डिजीज
286. 13:28प्रेडिक्शन
287. 13:30राइट एक रेयर डिजीज है और वह सिर्फ 1 पर
288. 13:34लोगों को होता है तो हमें प्रिडिक्ट करना
289. 13:36है डटा को देख कर के कि किसको वो डिजीज हो
290. 13:39सकता है मैन्युफैक्चरिंग में होता है अ कि
291. 13:43किसी मशीन के खराब होने के पहले ही फिगर
292. 13:46आउट कर लेना कि वह मशीन खराब हो सकती है
293. 13:50राइट कंज्यूमर इंटरनेट कंपनीज के लिए चन
294. 13:53प्रेडिक्शन एक बहुत इंपॉर्टेंट प्रॉब्लम
295. 13:56स्टेटमेंट है अ
296. 14:11amazon2 साइंसेस में अ कब अर्थक्वेक आ
297. 14:15सकता है कब वोल्केनो आ सकता है यह सब
298. 14:17प्रिडिक्ट करना बहुत इंपॉर्टेंट एक
299. 14:19एप्लीकेशन है और इन सारी जगहों पे अगर आप
300. 14:22नोटिस करोगे तो फर्स्ट ऑफ ऑल ऑल ऑफ दीज आर
301. 14:25एमएल प्रॉब्लम्स जहां पे आप मशीन लर्निंग
302. 14:28लगा सकते हो एंड द सेकंड थिंग दैट यू हैव
303. 14:30टू नोटिस इज ऑल ऑफ दीज आर नथिंग बट
304. 14:33इंबैलेंसड डेटा
305. 14:36प्रॉब्लम खुद देखो फ्रॉड डिटेक्शन में
306. 14:39नॉर्मल ट्रांजैक्शंस ज्यादा होंगे फ्रॉड
307. 14:41एंट ट्रांजैक्शंस बहुत कम होंगे क्रेडिट
308. 14:44रिस्क असेसमेंट में आप लोन बांटते हो बहुत
309. 14:47लोग लोन चुका देंगे बहुत कम ही लोग ऐसे
310. 14:49होंगे जो विजय माल्या होंगे और आपका लोन
311. 14:51चुकाए बिना भाग जाएंगे रेयर डिजीज
312. 14:53प्रेडिक्शन में ज्यादातर लोगों को डिजीज
313. 14:56नहीं होगा कुछ लोगों को डिजीज होगा
314. 14:57मैन्युफैक्चरिंग में ज्यादातर मशीनें सही
315. 15:00से काम करेंगी कुछ एक मशीनें खराब हो सकती
316. 15:02हैं चन प्रेडिक्शन में ज्यादातर कस्टमर्स
317. 15:04अगले महीने का सब सब्सक्रिप्शन भी लेंगे
318. 15:07कुछ एक कस्टमर्स छोड़ के आपका प्लेटफार्म
319. 15:09जा सकते हैं अर्थक्वेक डेली नहीं आता है
320. 15:11कुछ एक दिनों पे अर्थक्वेक आ सकता है ऑल
321. 15:13ऑफ दीज आर वेरी इंपोर्टेंट मशीन लर्निंग
322. 15:16प्रॉब्लम्स एंड द कॉमन थिंग बिटवीन देम इज
323. 15:19दैट ऑल ऑफ दीज आर इंबैलेंसड डेटा
324. 15:23प्रॉब्लम्स और उसमें भी अगर आप ध्यान दो
325. 15:25तो यह ऐसे इंबैलेंसड डाटा प्रॉब्लम्स है
326. 15:28जहां पे माइनॉरिटी क्लास को प्रिडिक्ट
327. 15:29करना ज्यादा इंपॉर्टेंट है फ्रॉड डिटेक्शन
328. 15:32में उस बंदे को खोज निकालना ज्यादा
329. 15:34इंपॉर्टेंट है जो फ्रॉड एंट एक्टिविटी
330. 15:36करेगा क्रेडिट रिस्क असेसमेंट में उस बंदे
331. 15:38को खोजना ज्यादा जरूरी है जो लोन डिफॉल्ट
332. 15:41करेगा रेयर डिजीज में उस बंदे को खोजना
333. 15:43ज्यादा जरूरी है जिसको वह बीमारी है और आप
334. 15:46यह सारे एग्जांपल्स में देख सकते हो कि
335. 15:48माइनॉरिटी क्लास का प्रेडिक्शन इज सुपर
336. 15:50इंपॉर्टेंट तो दिस इज रीजन नंबर वन कि
337. 15:53इंडस्ट्री में आज की डेट में अगर 100 लोग
338. 15:57काम कर रहे हैं देयर इज अ चांस कि 90 लोग
339. 16:00उसमें से इंबैलेंस डेटा प्रॉब्लम प काम कर
340. 16:02रहे होंगे तो उस सेंस में इट इज वेरी
341. 16:05इंपॉर्टेंट इफ यू आर अ डेटा साइंस
342. 16:07एस्परेंस में जाके काम करोगे किसी कंपनी
343. 16:09के लिए तो देयर इज अ ह्यूज चांस कि आप
344. 16:12इंबैलेंस डेटा प्रॉब्लम पे भी काम कर सकते
345. 16:15हो एंड उसी से रीजन नंबर टू निकल के आता
346. 16:17है रीजन नंबर टू है कि इंटरव्यू पॉइंट ऑफ
347. 16:20व्यू से यह टॉपिक बहुत इंपॉर्टेंट है आप
348. 16:24हमेशा मुझसे पूछते रहते हो ना कि बताओ कौन
349. 16:27से टॉपिक्स हमें पढ़ने चाहिए इंटरव्यू व
350. 16:29पॉइंट ऑफ व्यू से दिस इज वन सच टॉपिक जिस
351. 16:31पे मैंने देखा है कि बहुत सारे
352. 16:32इंटरव्यूअर्स क्वेश्चन पूछते हैं बिकॉज़
353. 16:34उनको लगता है कि भाई देखो एल्गोरिथम्स
354. 16:36वगैरह तो सबको आता है बट गेस व्हाट एट द
355. 16:38एंड आपको इंबैलेंस डाटा का आईडिया होना
356. 16:41चाहिए बिकॉज़ आप इसी पे काम करोगे जब आप
357. 16:43कंपनी में काम करोगे तो इसका तो आपको
358. 16:45अच्छा आईडिया होना चाहिए एंड दैट इज व्हाई
359. 16:47पीपल आस्क अ लॉट ऑफ क्वेश्चंस अराउंड दिस
360. 16:49टॉपिक तो ये दो रीजंस हैं जिसकी वजह से
361. 16:52मुझे लगता है दैट इफ यू आर समवन जो अभी
362. 16:54मशीन लर्निंग सीख रहा है तो आपको इस टॉपिक
363. 16:56को थोड़ा सा हाई प्रायोरिटी देना चाहिए सो
364. 16:58गा काफी कुछ समझ लिया हमने इंबैलेंस डेटा
365. 17:01के बारे में इंबैलेंस डेटा क्या होता है
366. 17:03इंबैलेंस डेटा होने से क्या प्रॉब्लम हो
367. 17:04सकती है और सबसे इंपोर्टेंट चीज हमें
368. 17:07इंबैलेंस डाटा क्यों पढ़ना चाहिए अब हमें
369. 17:10यह पढ़ना पड़ेगा कि इंबैलेंस डाटा की जो
370. 17:13प्रॉब्लम है उसको सॉल्व कैसे किया जाता है
371. 17:15और मैं आपको पांच सबसे इंपॉर्टेंट
372. 17:18टेक्निक्स पढ़ाऊंगा जो आपको हर जगह देखने
373. 17:21को मिलती हैं ठीक है तो लेट्स स्टार्ट विद
374. 17:23द फर्स्ट टेक्निक द फर्स्ट टेक्नीक इज
375. 17:26अंडर सैंपलिंग ठीक है तो अंडर सैंपलिंग का
376. 17:30फंडा क्या है यह समझाना बहुत आसान है
377. 17:33एक्चुअली सो क्लास इंबैलेंस अगर आपके डेटा
378. 17:37में है या इन बैलेंस डटा आपके पास है तो
379. 17:40प्रॉब्लम क्या होता है कि आपका मेजॉरिटी
380. 17:42क्लास और आपका माइनॉरिटी क्लास में बहुत
381. 17:46ज्यादा का डिफरेंस होता
382. 17:47है राइट तो इस प्रॉब्लम को सॉल्व करने का
383. 17:51सिंपल सा तरीका यह है कि आप अपने इंबैलेंस
384. 17:54डाटा को बैलेंस बना दो बैलेंस का मतलब सम
385. 17:59आपका मेजॉरिटी और माइनॉरिटी दोनों में
386. 18:03बराबर नंबर ऑफ डाटा पॉइंट्स होने चाहिए तो
387. 18:07यह अचीव करने का एक तरीका होता है अंडर
388. 18:09सैंपलिंग अंडर सैंपलिंग में आप क्या करते
389. 18:12हो कि आप अपनी मेजॉरिटी वाली क्लास को
390. 18:15उठाते हो और उसके ऊपर सैंपलिंग परफॉर्म
391. 18:19करते हो और सैंपलिंग करके आप एगजैक्टली
392. 18:23उतने ही डटा पॉइंट्स निकालते हो जितने
393. 18:26डेटा पॉइंट्स माइनॉरिटी वा क्लास में है
394. 18:30और इससे आपको जो नया क्लास डेटा सेट मिलता
395. 18:32है उसी को आप यूज करते हो अपने मॉडल को
396. 18:34ट्रेन करने के लिए यहां पर इस चीज का एक
397. 18:38डायग्रामेटिक रिप्रेजेंटेशन है ऑरेंज वाला
398. 18:41हमारा माइनॉरिटी क्लास है ब्लू वाला हमारा
399. 18:45मेजॉरिटी क्लास है एंड यू कैन क्लीयरली सी
400. 18:47कि मेजॉरिटी वाली क्लास में माइनॉरिटी के
401. 18:49कंपैरिजन में बहुत ज्यादा नंबर ऑफ डेटा
402. 18:51पॉइंट्स है हमें अचीव करना है बैलेंस तो
403. 18:54हम क्या करेंगे हम अपने मेजॉरिटी वाले
404. 18:57क्लास को उठाएंगे और उसके ऊपर सैंपलिंग
405. 18:59परफॉर्म
406. 19:01करेंगे रैंडम सैंपलिंग हम रैंडम डेटा
407. 19:04पॉइंट्स इससे निकालते रहेंगे कब तक
408. 19:07निकालते रहेंगे जब तक हमारे पास एगजैक्टली
409. 19:10उतने डेटा पॉइंट्स ना हो जाए जितने डेटा
410. 19:13पॉइंट्स हमारे माइनॉरिटी क्लास में ऑलरेडी
411. 19:16थे सो अगर यहां पर 100 थे और अगर यहां पर
412. 19:19900 है तो हम इन 900 में रैंडम 100 डाटा
413. 19:24पॉइंट्स निकाल रहे हैं और यहां पर ऑलरेडी
414. 19:27100 है तो यह जो न डेटा सेट हमें मिला
415. 19:29इसमें राद देन हैविंग 1000 रोज हमारे पास
416. 19:33यहां पर 2000 रोज या फिर डेटा पॉइंट्स
417. 19:37होंगे और इस सिंपल टेक्निक से हमने अचीव
418. 19:41कर लिया
419. 19:43बैलेंस एंड वी एक्सपेक्ट की ऐसा करने से
420. 19:46हमारा रिजल्ट इंप्रूव कर जाएगा अब अगर इस
421. 19:50चीज को आप एक्शन में देखना चाहते हो तो
422. 19:51मैंने पाइथन में कोड लिखा है लेट मी शो इट
423. 19:53टू यू
424. 19:59तो हम इसी डेटा सेट के साथ काम करने वाले
425. 20:01हैं इस डेटा सेट में इंबैलेंस है ब्लू
426. 20:03वाली क्लास बहुत मेजॉरिटी में है रेड वाली
427. 20:07क्लास माइनॉरिटी में है हम अप्लाई कर रहे
428. 20:09हैं इसके
429. 20:11ऊपर रैंडम अंडर सैंपलिंग ठीक है यह सारा
430. 20:16कोड वैसे आप खुद से भी लिख सकते हो बहुत
431. 20:18आसानी से बट हमें क्यों करने की जरूरत है
432. 20:20जब हमारे पास ऑलरेडी एक बिल्ट इन क्लास है
433. 20:23जो हमें एक बहुत फेमस लाइब्रेरी से मिलती
434. 20:26है लाइब्रेरी का नाम है इंबैलेंस लर्न ठीक
435. 20:30है बहुत ही प्यारी सी लाइब्रेरी है आपको
436. 20:32जितनी भी टेक्निक्स अप्लाई करनी है
437. 20:35इंबैलेंस डाटा के ऊपर वह सारी इन लोगों ने
438. 20:37इंप्लीमेंट कर रखी है तो आप इसको आराम से
439. 20:40यूज कर सकते हो हमने सिर्फ रैंडम अंडर
440. 20:43सैंपलर क्लास को इंपोर्ट किया डाटा को
441. 20:46स्प्लिट कर दिया दो पार्ट्स में और फिर
442. 20:49रैंडम अंडर सैंपलिंग हमने अप्लाई कर दी
443. 20:51बाय राइटिंग दिस कोड ठीक है फिट री सैंपल
444. 20:55बोल के यहां पर एक मेथड होता है यहां पर
445. 20:57हमने अपना एक्स ट्रेन और वा ट्रेन भेजा
446. 20:59उससे हमें अपना x रि सैंपल्ड y रि सैंपल्ड
447. 21:02मिल गया एंड यू कैन सी दिस इज द रिजल्ट ये
448. 21:05हमारा ओरिजिनल डाटा है और यह देखो हमारा
449. 21:08ट्रांसफॉर्म्ड डाटा यहां पर आपको दिख रहा
450. 21:11होगा कि फर्स्ट ऑफ ऑल नंबर ऑफ डेटा
451. 21:13पॉइंट्स रिड्यूस हो गए हैं सेकंड जो नंबर
452. 21:16ऑफ ब्लू पॉइंट्स हैं और जो नंबर ऑफ रेड
453. 21:18पॉइंट्स हैं वो आपको बराबरी में दिख रहे
454. 21:20होंगे ये चीज मैं दूसरे तरीके से भी प्रूफ
455. 21:22कर सकता हूं अगर आप एक्स ट्रेन का शेप
456. 21:25देखो तो उसमें 320 डेटा पॉइंट थे अगर आप
457. 21:27रिशम
458. 21:29रिसैटर देखो तो देयर आर जस्ट 42 डेटा
459. 21:32पॉइंट्स सिमिलरली अगर मैं आपको एक और
460. 21:35इंटरेस्टिंग चीज दिखाऊं कि ओरिजिनल डाटा
461. 21:37में अ जो आपकी क्लासेस थे उनके बीच का
462. 21:39डिस्ट्रीब्यूशन ये था कि पॉजिटिव क्लास
463. 21:42299 था और नेगेटिव क्लास 21 था यू कैन सी
464. 21:46बहुत ज्यादा इंबैलेंस है बट जैसे ही मैंने
465. 21:48री सैंपलिंग किया या फिर अंडर सैंपलिंग
466. 21:50लगाया मेरे जीरो वाले भी 21 है और मेरे वन
467. 21:53वाले भी 21 है तो यू कैन सी इस तरीके से
468. 21:57हमने क्या किया इंबैलेंस को हटाया बैलेंस
469. 22:00को अचीव किया इसके बाद मैं रुका नहीं
470. 22:02मैंने इस रि सैंपल्ड डाटा के ऊपर एक
471. 22:05लॉजिस्टिक रिग्रेशन मॉडल को ट्रेन किया
472. 22:08जस्ट टू सी कि क्या परफॉर्मेंस में
473. 22:10इंप्रूवमेंट आया कि नहीं एंड पूरी चीज
474. 22:13अप्लाई करने के बाद दीज आर द रिजल्ट्स तो
475. 22:16दिस इज माय f1 स्कोर दिस इज माय रिकॉल
476. 22:19वैल्यू अगर आपको याद होगा थोड़ी देर पहले
477. 22:22जब मैंने आपको रिकॉल दिखाया था द रिकॉल
478. 22:24वाज नॉट वेरी गुड
479. 22:26बट अंडर सैंपलिंग अप्लाई करने के बाद
480. 22:29रिकॉल हैज इंप्रूव्ड वो अलग बात है कि
481. 22:31प्रेसीजन खराब हो गया है अ बिकॉज़ मे बी
482. 22:34शायद उतना अच्छा भी रिजल्ट नहीं आ रहा है
483. 22:37अ आरओ ए यूसी वाला जो स्कोर है वो ठीक है
484. 22:41मेन चीज आपको यहां पे देखने को मिलेगी यू
485. 22:44कैन सी पहले जो मेरा डिसीजन बाउंड्री था
486. 22:46वो कंप्लीट इग्नोर करके चल रहा था
487. 22:48माइनॉरिटी वाली क्लास को और पूरा उसका
488. 22:50ध्यान था सिर्फ और सिर्फ अ येलो वाले
489. 22:54पॉइंट्स को सही से क्लासिफाई करने के ऊपर
490. 22:56क्योंकि वो मेजॉरिटी वाले डटा पॉइंट्स थे
491. 22:58बट जैसे ही हमने मेजोरिटी वाले डेटा
492. 23:00पॉइंट्स को घटाया अब आप एक तरीके से नोटिस
493. 23:02करोगे कि भले ही यह बेस्ट डिसीजन बाउंड्री
494. 23:05नहीं है बट आपको यह चीज दिखाई देगा कि वह
495. 23:09दोनों को बराबर इंपॉर्टेंस दे रही है राइट
496. 23:11वो ब्लू पॉइंट्स को भी इंपॉर्टेंस दे रही
497. 23:13है और येलो पॉइंट को भी इंपॉर्टेंस दे रही
498. 23:15है इन दैट सेंस हमने बैलेंस अचीव किया
499. 23:18रिजल्ट्स उतने अच्छे इसलिए नहीं आ रहे
500. 23:20बिकॉज इन्हेरेंटली ये डाटा लीनियर नहीं है
501. 23:23मे बी कोई और एल्गोरिदम अगर आप लगाते हैं
502. 23:25यहां परले लाइक इंबैलेंसड सॉरी नसल
503. 23:29लर्निंग का कोई एल्गोरिदम लगाते लेट्स से
504. 23:31रैंडम फॉरेस्ट और सम बूस्टिंग एल्गोरिथम
505. 23:33तो वो नॉन लीनियर बाउंड्रीज क्रिएट होती
506. 23:35है और शायद आपको बेटर रिजल्ट्स मिलते बट
507. 23:37लॉजिस्टिक रिग्रेशन तो सिर्फ एक लाइन ड्र
508. 23:39करेगा दैट इज वई रिजल्ट्स उतने अच्छे नहीं
509. 23:41है बट आपको मेन आईडिया समझना है मेन
510. 23:43आईडिया यह था कि हमारा डाटा इंबैलेंस था
511. 23:47जिसकी वजह से ज्यादा फोकस हो जा रहा था
512. 23:49मेजॉरिटी वाली क्लास के ऊपर बट जैसे ही
513. 23:52हमने ये टेक्नीक लगाया क्या फायदा हुआ कि
514. 23:54अब जो हमारा एल्गोरिदम है वो दोनों को
515. 23:57रिस्पेक्ट कर रहा है वो माइनॉरिटी को भी
516. 23:59रिस्पेक्ट कर रहा है मेजॉरिटी को भी
517. 24:00रिस्पेक्ट कर रहा है बिकॉज़ उन दोनों का
518. 24:02जो नंबर है वो अब सेम हो चुका है ठीक है
519. 24:05अगर मैं आपको बताऊं इसके कुछ एडवांटेजेस
520. 24:07एंड डिसएडवांटेजेस इस टेक्निक के तो सबसे
521. 24:11पहला जो एडवांटेज है वो है रिडक्शन इन
522. 24:13बायस ये हमने अपनी आंखों से देख लिया कि
523. 24:16मेजॉरिटी क्लास को अब थोड़ा सा इग्नोर
524. 24:18करके इग्नोर नहीं करके दोनों को बराबर
525. 24:19वैल्यू कर रहा है ये हमने नोटिस किया अ
526. 24:22सेकंड फायदा ये है कि अगर आपके पास बहुत
527. 24:24बड़ा डेटा सेट होता हमारे पास तो छोटा सा
528. 24:26डेटा सेट था बट मान लो आपके पास बहुत बड़ा
529. 24:28डेटा सेट होता 10 लाख मेजॉरिटी पॉइंट्स
530. 24:31होते और न लाख माइनॉरिटी पॉइंट्स होते तो
531. 24:35इसके ऊपर जब आप अंडर सैंपलिंग करते तो
532. 24:38आपके पास एक लाख मेजॉरिटी वाले पॉइंट्स
533. 24:41बचते और एक लाख माइनॉरिटी वाले पॉइंट्स
534. 24:44बचते तो आपके पास जो डाटा है वह छोटा हो
535. 24:48जाएगा और छोटा होने से आपका जो ट्रेनिंग
536. 24:50है वो फास्ट हो जाएगा तो दैट इज वन ऑफ द
537. 24:51बेनिफिट्स
538. 24:53डिसएडवांटेज भी है डिसएडवांटेज तो सामने
539. 24:56सामने आपको लग ही रहा होगा कि वी आर
540. 24:58लूजिंग अ लॉट ऑफ डाटा राइट हमारे पास पहले
541. 25:01जहां 320 के अराउंड रोज थे कितने बचे 42
542. 25:04बचे तो ओबवियसली इतना डाटा जो हम इग्नोर
543. 25:07कर दे रहे हैं छोड़ दे रहे हैं हो सकता है
544. 25:09उसमें कुछ इंपॉर्टेंट इंफॉर्मेशन छुपा हो
545. 25:11जो हेल्प करता हमारे एल्गोरिथम को तो वो
546. 25:13हम मिस कर जा रहे दैट इज वन ऑफ द
547. 25:15प्रॉब्लम्स ठीक है एंड आल्सो सिंस हम यह
548. 25:1910 लाख से लाख प जाने के लिए सैंपलिंग कर
549. 25:23रहे
550. 25:24हैं तो सैंपलिंग में भी एक बायस आ सकता है
551. 25:28हो सकता है आपने जो सैंपलिंग की तो आपने
552. 25:30एक टाइप के पॉइंट्स को रख लिया दूसरे टाइप
553. 25:32के पॉइंट्स को इग्नोर कर दिया तो उस सेंस
554. 25:34में भी बायस डेवलप हो सकता है तो यू हैव
555. 25:36टू बी वेरी केयरफुल वैसे तो रैंडम
556. 25:38सैंपलिंग करोगे तो उस तरीके से उतना बायस
557. 25:40नहीं आता है बट यू हैव टू बी केयरफुल
558. 25:41बिकॉज सैंपलिंग करने से बायस डेवलप हो
559. 25:44सकता है तो दीज आर लाइक सम एडवांटेजेस एंड
560. 25:48डिसएडवांटेजेस ऑफ दिस टेक्निक बट दिस इज अ
561. 25:50वेरी वेरी यूजफुल टेक्निक जो लोग काफी
562. 25:53इस्तेमाल करते हैं वाइल डूइंग देयर
563. 25:56प्रोजेक्ट्स लेट्स मूव ऑन टू द सेकंड टेक
564. 25:58जिसको आप यूज करते हो इंबैलेंस डाटा को
565. 26:00हैंडल करने के लिए द टेक्नीक इज कॉल्ड ओवर
566. 26:03सैंपलिंग अगेन एक बहुत सिंपल कांसेप्ट
567. 26:07हमारे पास इंबैलेंस डाटा है हमारे पास
568. 26:10मेजॉरिटी में है 900 डेटा पॉइंट्स
569. 26:12माइनॉरिटी में है सिर्फ 100 डेटा पॉइंट्स
570. 26:14और डटा में एक इंबैलेंस है और हमें इस
571. 26:18इंबैलेंस को हटाना है बैलेंस अचीव करना है
572. 26:22तो एक तरीका तो यह है कि आप अपने मेजॉरिटी
573. 26:24क्लास को घटा दो जैसा हमने थोड़ी देर पहले
574. 26:27देखा दूसरा तरीका यह है कि आप अपने
575. 26:29माइनॉरिटी क्लास को बढ़ा दो अभी यह 100 है
576. 26:32किसी तरीके से इसको अगर आप 900 कर लो तो
577. 26:36फिर आपका डाटा फिर से बैलेंस्ड हो जाएगा
578. 26:39बट सवाल यह है कि यह एडिशनल 800 डेटा
579. 26:41पॉइंट्स आएंगे कहां से द आईडिया इज वेरी
580. 26:45सिंपल
581. 26:47डुप्लीकेशन आप क्या करोगे आप रैंडम इन 100
582. 26:52डेटा पॉइंट्स को लोगे और डुप्लीकेट करते
583. 26:55जाओगे कब तक जब तक कि
584. 26:59आपका ये दोनों नंबर बराबर नहीं हो जाता
585. 27:02एंड दिस इज द मेन आईडिया बिहाइंड ओवर
586. 27:04सैंपलिंग या फिर बोला जाए रैंडम ओवर
587. 27:07सैंपलिंग यू कैन सी इस विजुलाइजेशन में ये
588. 27:11समझाया हुआ है ये हमारी मेजॉरिटी क्लास है
589. 27:15यह हमारी माइनॉरिटी क्लास है एंड व्हाट वी
590. 27:17आर डूइंग इज वी आर अप सैंपलिंग आवर
591. 27:20माइनॉरिटी क्लास विद द हेल्प ऑफ रैंडम ओवर
592. 27:23सैंपलिंग कब तक जब तक दोनों बराबर नहीं हो
593. 27:27जाते
594. 27:28वेरी सिंपल कांसेप्ट डुप्लीकेशन ऑफ डाटा
595. 27:31टू अचीव बैलेंस ठीक है इसके लिए भी मैंने
596. 27:34एक पाइथन कोड लिखा है लेट मी शो इट टू
597. 27:40यू सो हमारे आईएमबी लर्न लाइब्रेरी में
598. 27:45इसके लिए भी एक क्लास दिया हुआ है रैंडम
599. 27:48ओवर सैंपलर सेम फ्लो है जो ऊपर था ट्रेट
600. 27:52स्प्लिट मारा है और एक्स ट्रेन वा ट्रेन
601. 27:54के ऊपर फिट सैंपल को कॉल करके एक्स
602. 27:58सैंपल्ड वाय री सैंपल्ड क्रिएट किया है
603. 28:00एंड दिस इज द रिजल्ट यह हमारा डाटा जैसा
604. 28:03पहले था और यह डाटा इस टेक्नीक को लगाने
605. 28:07के बाद एक डाउट आपके दिमाग में आएगा कि ये
606. 28:09दोनों ग्राफ्स एगजैक्टली सेम दिखाई दे रहे
607. 28:12हैं व्हिच मींस पहले भी रेड का नंबर कम
608. 28:15दिखाई दे रहा था और इस टेक्निक को लगाने
609. 28:18के बाद भी रेड का नंबर कम दिखाई दे रहा है
610. 28:20तो फिर फायदा क्या हुआ रैंडम ओवर सैंपलिंग
611. 28:23लगाने का आई गेस आप लोगों ने इसको फिगर
612. 28:26आउट कर लिया होगा सो हुआ क्या है कि ये
613. 28:28सेकंड डायग्राम में नंबर ऑफ डेटा पॉइंट्स
614. 28:30ज्यादा है नंबर ऑफ रेड डेटा पॉइंट्स
615. 28:33ज्यादा है द ओनली प्रॉब्लम इज कि वो
616. 28:35ओवरलैप कर गए हैं बिकॉज़ ऑफ डुप्लीकेशन सो
617. 28:38ये जो आपको दिखाई दे रहा है यहां पर देयर
618. 28:40इज अ गुड चांस कि ये एक सिंगल डेटा पॉइंट
619. 28:42नहीं है हो सकता है 810 डेटा पॉइंट्स हो
620. 28:44इट्स जस्ट कि वो एक दूसरे के ऊपर स्टैक अप
621. 28:47कर चुके हैं जिसकी वजह से हमें
622. 28:48डिस्टिंक्शन समझ नहीं आ रहा सो टेक्निक
623. 28:50अप्लाई हुई है विजुलाइजेशन में आपको समझ
624. 28:53नहीं आएगा बेटर तरीका यह होता कि मैं
625. 28:55ओपेसिटी यूज़ करता ग्राफ का मैं यहां पे
626. 28:58थोड़ा ट्रांसपेरेंट टाइप के डेटा पॉइंट्स
627. 29:00बनाता और यहां पे उससे अपने आप ओपेसिटी
628. 29:03बढ़ जाती अगर खूब सारे पॉइंट्स आते बट
629. 29:06इट्स ओके आप कर सकते हो उसके बाद जस्ट टू
630. 29:09क्रॉस चेक एक्स ट्रेन में 320 डेटा पॉइंट
631. 29:11थे एक्स री सैंपल्ड में नंबर ऑफ डेटा
632. 29:14पॉइंट्स बढ़ के 39 598 हो गए अगर आप क्लास
633. 29:18इंबैलेंस की बात करो तो पहले 291 299 21
634. 29:22था आफ्टर अप्लाइज टेक्नीक 299 299 है फिर
635. 29:27से मैं रुका नहीं मैंने आगे बढ़ा और
636. 29:30लॉजिस्टिक रिग्रेशन अप्लाई किया
637. 29:32ट्रांसफॉर्म डाटा के ऊपर एंड दिस आर द
638. 29:34रिजल्ट्स सो यू कैन सी रिकॉल इंप्रूव कर
639. 29:38गया है प्रेसीजन यहां पर भी थोड़ा हिट ले
640. 29:40रहा है आरसीसी कर् भी ठीक है और मेन चीज
641. 29:44है य डिसीजन बाउंड्री यू कैन सी इट्स
642. 29:46रिस्पेक्टिंग द माइनॉरिटी क्लास एज वेल च
643. 29:48शोज कि हमारा ये टेक्नीक एट सम लेवल काम
644. 29:51कर रहा है राइट अगर हम वापस
645. 29:54जाए और डिस्कस करें इस टेक्नीक के कुछ
646. 29:57एडवां एंड डिसएडवांटेजेस तो एडवांटेज में
647. 30:00फिर से एडवांटेज सेम है कि बायस का
648. 30:02रिडक्शन हो रहा है व्हिच मींस अब ज्यादा
649. 30:04फोकस माइनॉरिटी क्लास प भी आ रहा है दोनों
650. 30:06पर बराबर फोकस आ रहा है चच इज अ गुड थिंग
651. 30:08अगर आप डिसएडवांटेज की बात करो तो पहला
652. 30:10डिसएडवांटेज है कि जो साइज होता है डेटा
653. 30:12सेट का वो बढ़ जाता है ऑलमोस्ट डबल हो
654. 30:15जाता है राइट बिकॉज आप अप सैंपल कर रहे हो
655. 30:18तो अगर आप बहुत बड़े डाटा के साथ डील कर
656. 30:20रहे हो ऑलरेडी एक जीब का डाटा था वो 2 जीब
657. 30:22का हो जाएगा ट्स अ प्रॉब्लम राइट एंड
658. 30:25सेकंड इज अ बिगर प्रॉब्लम कि आप क्या कर
659. 30:28रहे हो आप डुप्लीकेशन की हेल्प से नया
660. 30:30डाटा क्रिएट कर रहे हो अब डुप्लीकेशन इज
661. 30:32नॉट गुड एक ही पॉइंट अगर बार-बार बारबार
662. 30:35क्रिएट होता जाएगा तो आप अगर कोई मशीन
663. 30:39लर्निंग एल्गोरिथम लगाओगे तो उसको यह डेटा
664. 30:42पॉइंट बहुत इंपॉर्टेंट लगने लगेगा और इस
665. 30:45डेटा पॉइंट की वजह से ओवर फिटिंग हो सकता
666. 30:47है स्पेशली इन सर्टेन एल्गोरिथम्स लाइक
667. 30:50डिसीजन
668. 30:52ट्री डिसीजन ट्री के साथ अगर आप रैंडम ओवर
669. 30:56सैंपलिंग करते हो आपको कई बार ओवरफिटिंग
670. 30:59देखने को मिलता है और आपका रिजल्ट अच्छा
671. 31:02नहीं रहता है तो ये दो डिसएडवांटेजेस है
672. 31:05इस टेक्निक के जो थर्ड टेक्निक हम लोग
673. 31:07पढ़ने जा रहे हैं उसका नाम है स्मोट और
674. 31:09मेरे हिसाब से यह सबसे पॉपुलर टेक्नीक
675. 31:13है डेटा साइंस कम्युनिटी में अगर आपको कभी
676. 31:15भी इंबैलेंस डाटा के बारे में सुनने को
677. 31:18मिलेगा तो साथ में आपको स्मोट के बारे में
678. 31:20भी पढ़ने को मिलेगा स्मोट का फुल फॉर्म
679. 31:22होता है
680. 31:23सिंथेटिक माइनॉरिटी ओवर सैंपलिंग टेक्नीक
681. 31:28ठीक है सिंथेटिक माइनॉरिटी ओवर सैंपलिंग
682. 31:31टेक्नीक तो एसेंशियली स्मोट एक ओवर
683. 31:35सैंपलिंग टेक्नीक है ओवर सैंपलिंग मतलब
684. 31:39जहां पर आप बैलेंस अचीव करने के लिए
685. 31:41माइनॉरिटी क्लास को अप सैंपल करते हो मतलब
686. 31:45उसका नंबर बढ़ाते हो तो यहां पर भी आप सेम
687. 31:48काम करते हो बस एक बहुत बड़ा डिफरेंस है
688. 31:51हमने थोड़ी देर पहले जो पढ़ा था रैंडम ओवर
689. 31:54सैंपलिंग वहां पर आप माइनॉरिटी क्लास को
690. 31:57अब सैंपल करने के लिए डुप्लीकेशन का हेल्प
691. 32:01लेते
692. 32:01हो राइट आपने इसको भी डुप्लीकेट कर दिया
693. 32:05चार बार इसको भी कर दिया 10 बार इसको भी
694. 32:07कर लिया 15 बार इसको भी कर लिया तीन बार
695. 32:09इसको भी कर लिया छह बार और ऐसा करने से
696. 32:11आपके पास एगजैक्टली उतने ही डेटा पॉइंट्स
697. 32:13आ गए जितने आपके मेजॉरिटी क्लास में यह
698. 32:16हमने थोड़ी देर पहले देखा स्मोट बोलता है
699. 32:19कि डुप्लीकेशन ऑफ डाटा से प्रॉब्लम है ओवर
700. 32:22फिटिंग हो सकता है व्हाट इफ हम डुप्लीकेट
701. 32:27कर के बदले नए डेटा पॉइंट्स जनरेट
702. 32:33करें और नए डेटा पॉइंट्स जनरेट करने से यह
703. 32:36फायदा होगा कि आपका बैलेंस अचीव हो जाएगा
704. 32:40फर्स्ट ऑफ ऑल और सेकंड ओवर फिटिंग का भी
705. 32:42प्रॉब्लम नहीं होगा तो दिस इज द मेन
706. 32:45आइडिया बिहाइंड स्मोट अब द पॉइंट इज कि हम
707. 32:49नए डेटा पॉइंट्स जनरेट कैसे करें सो यहां
708. 32:53पर स्मोट एक स्मार्ट टेक्निक यूज करता है
709. 32:56जिसको हम इंटरपोलेशन बोलते हैं
710. 33:00इंटरपोलेशन बहुत ही सिंपल टेक्निक है बट
711. 33:03इंटरपोलेशन की हेल्प से आप क्या करते हो
712. 33:06आप अपने दो एसिस्टिंग माइनॉरिटी डेटा
713. 33:09पॉइंट्स के बीच में कहीं पर नया डेटा
714. 33:12पॉइंट जनरेट करते हो यू कैन
715. 33:14सी राइट तो मैं एक काम करता हूं मैं आपको
716. 33:18स्टेप बाय स्टेप एल्गोरिदम समझाता हूं कि
717. 33:21यह एल्गोरिदम या यह टेक्निक काम कैसे करता
718. 33:24है ठीक है बहुत ही सिंपल है तो स्टेप वन
719. 33:28में आप क्या करते हो कि आप अपने माइनॉरिटी
720. 33:30क्लास को उठाते हो जो हमारे केस में ब्लू
721. 33:33सैंपल्स है और उनके ऊपर एक केएनएन ट्रेन
722. 33:38करते हो
723. 33:41फाइव नेबर केएनएन ठीक है च्च मींस हम क्या
724. 33:45कर रहे हैं कि हम अपने हर माइनॉरिटी डेटा
725. 33:48पॉइंट के फाइव नियरेस्ट नेबर्स खोज रहे
726. 33:54हैं ठीक है तो जैसे ही ये स्टेप हो जाएगा
727. 33:58मुझे यह पता चल जाएगा कि मेरे हर
728. 33:59माइनॉरिटी डाटा पॉइंट के फाइव सबसे
729. 34:02क्लोजेस्ट नेबर्स कौन से हैं अगर यह आपको
730. 34:05पता चल गया तो इसके बाद अब मेन काम शुरू
731. 34:08होता है जहां पर आप सिंथेटिक डाटा जनरेशन
732. 34:11करते हो ठीक है तो इसका प्रोसेस क्या है
733. 34:14बहुत सिंपल है आप सबसे पहले क्या करते हो
734. 34:16आउट ऑफ ऑल योर माइनॉरिटी क्लास एग्जांपल्स
735. 34:20आप किसी एक को रैंडम चूज करते हो लेट्स से
736. 34:23आपने इसको रैंडम चूज किया ठीक है आपने
737. 34:27इसको रंडली चूज किया उसके बाद आप क्या
738. 34:30करोगे आप जिस पॉइंट को आपने सेलेक्ट किया
739. 34:33है उसके पांच नेबर्स होंगे इस पॉइंट के
740. 34:36पांच नेबर्स होंगे तो आप उन पांच नेबर्स
741. 34:39में से किसी एक नेबर को रैंडम सेलेक्ट
742. 34:42करोगे सो हो सकता है आपने इसको रैंडम
743. 34:44सेलेक्ट कर लिया ठीक है अब आपको क्या करना
744. 34:47है अपने ओरिजिनल डेटा पॉइंट और उसके नेबर
745. 34:51के बीच में कहीं पर एक नया सिंथेटिक डेटा
746. 34:53पॉइंट जनरेट करना है और वो जनरेट करने का
747. 34:56फार्मूला यह
748. 35:00ओरिजिनल
749. 35:01सैंपल माइनस अ
750. 35:04फैक्टर मल्टीप्ला बाय ओरिजिनल
751. 35:10माइनस या सैंपल
752. 35:12माइनस
753. 35:14नेबर दिस इज द
754. 35:16फार्मूला यह फार्मूला मैं आपको एग्जांपल
755. 35:19के थ्रू समझाता हूं मान लो आपका ओरिजिनल
756. 35:21जो सैंपल है वो वनव है और जो आपका नेबर है
757. 35:24वो टू है और हमें इसके बीच में एक नया टा
758. 35:27पॉइंट जनरेट करना है तो सबसे पहले आपको एक
759. 35:30फैक्टर चूज करना पड़ता है फैक्टर आप रैंडम
760. 35:32चूज करते हो बिटवीन रो से व थोड़ी देर के
761. 35:35लिए मान लेते हैं कि हमने चूज किया 5 ठीक
762. 35:39है अब क्या होगा आपका यहां पे है वव माइनस
763. 35:445
764. 35:45टाइम्स 1 1 माइ
765. 35:4922 सो यहां पे आ गया 1 1 -5 टाइम्स अंदर आ
766. 35:55जाएगा -1 -1
767. 35:59वव
768. 36:01माइनस माइनस प 5 माइनस प 5 और जब आप इसको
769. 36:06फाइनली जोड़ो तो यह आ
770. 36:11जाएगा यह माइनस और यह माइनस प्लस हो जाएगा
771. 36:14तो यह हो जाएगा 1.5 1.5 तो य जो नया डेटा
772. 36:17पॉइंट जनरेट होगा वो एटली मिडल में जनरेट
773. 36:20होगा
774. 36:211.5 1.5 ठीक है एंड ट इज हाउ यू कैलकुलेट
775. 36:26द न्यू एग्जांपल ठीक है और ऐसा आप कब तक
776. 36:29करते चले जाते हो जब तक आपका बैलेंस अचीव
777. 36:32नहीं हो जाता सो इसका मतलब आप क्या करोगे
778. 36:34अब एक दोबारा से ये स्टेप रिपीट करोगे आप
779. 36:37फिर से एक रैंडम सैंपल को चूज
780. 36:40करोगे ठीक है फिर उसके एक रैंडम नेबर को
781. 36:45चूज करोगे और उन दोनों के बीच में फिर से
782. 36:49यह फार्मूला लगा के इंटरपोलेटर एक नया
783. 36:52सिंथेटिक सैंपल जनरेट करोगे और ऐसा आप
784. 36:56करते चले जाते हो जब तक आप का मेजॉरिटी
785. 36:58क्लास और माइनॉरिटी क्लास बराबर नहीं हो
786. 37:00जाता आई रियली होप आपको यह एल्गोरिथम समझ
787. 37:03में आ गया वेरी सिंपल बट वेरी वेरी यूजफुल
788. 37:07अब फिर से मैं आपको कोड के थ्रू दिखाता
789. 37:09हूं सो अगेन हम आईएमबी लर्न का हेल्प
790. 37:12लेंगे उसमें स्मोट बोल के क्लास है हमने
791. 37:14फिर से ट्रेन टेस्ट स्प्लिट किया और स्मोट
792. 37:17डॉट फिट सैंपल से हमने एक्स ट्रेन वाई
793. 37:19ट्रेन भेज के एक्स रि सैंपल्ड स्मोट और
794. 37:22वाय री सैंपल स्मोट जनरेट किया एंड यू कैन
795. 37:24सी दिस इज द रिजल्ट ये हमारा ओरिजिनल डाटा
796. 37:27है
797. 37:28और यह है हमारा री सैंपल डाटा यू कैन सी
798. 37:31लीनियर इंटरपोलेशन की वजह से आपके रेड के
799. 37:33जो डेटा पॉइंट्स है वो काफी बढ़ गए ठीक है
800. 37:36और यही चीज यहां पे प्रूव हो रही है 598
801. 37:38डेटा पॉइंट्स और 299 और 299 का हमने
802. 37:41बैलेंस अचीव किया और जब मैंने इसको अप्लाई
803. 37:44किया हमारे डाटा के ऊपर लॉजिस्टिक
804. 37:47रिग्रेशन लगा के रिकॉल इंप्रूव किया
805. 37:50प्रेसीजन में प्रॉब्लम चल ही रही
806. 37:52है आर ओसी एओसी स्कोर ठीक ही है अगेन जो
807. 37:56चीज हमें
808. 37:58गाइड कर रही है वो है डिसीजन बाउंड्री
809. 38:00डिसीजन बाउंड्री अगेन शोज कि लॉजिस्टिक
810. 38:03रिग्रेशन थोड़ा तो वैल्यू कर रहा है
811. 38:04माइनॉरिटी वाली क्लास को तो दिस इज हाउ यू
812. 38:07अप्लाई स्मोट ऑन अ डेटा
813. 38:10सेट अब अगर बात करें इसका फायदा और नुकसान
814. 38:14का तो बेनिफिट सबसे बड़ा तो यही है कि
815. 38:17बायस आप रिड्यूस कर पा रहे हो सेकंड
816. 38:19डुप्लीकेशन ऑफ डाटा नहीं है तो ओवरफिटिंग
817. 38:21का प्रॉब्लम नहीं है बट दिस टेक्निक हैज अ
818. 38:24लॉट ऑफ डिसएडवांटेजेस एस वेल यह भी आपको
819. 38:27पता हो चाहिए बहुत पॉपुलर टेक्निक है बट
820. 38:29इसमें बहुत ऐसा डिबेट चलता रहता है लोगों
821. 38:31के बीच में कि इसको लगाना चाहिए नहीं
822. 38:32लगाना चाहिए डिबेट इसलिए चलता है बिकॉज इस
823. 38:34टेक्निक में डिसएडवांटेजेस भी कहीं है ठीक
824. 38:37है सबसे पहला डिसएडवांटेज यह है कि यह
825. 38:39टेक्नीक कैटेगरी कल डाटा को हैंडल नहीं कर
826. 38:41पाती ओबवियस बात है मान लो आपके पास इस
827. 38:44तरह का डाटा हो जहां पर एक्स एक्सिस पे
828. 38:46आपके पास कैटेगरी कल डाटा है 0 1 2 और वा
829. 38:51एक्सिस प आपके पास नॉर्मल न्यूमेरिकल डाटा
830. 38:54है तो ओबवियसली आपका स्कैटर प्लॉट इस
831. 38:57तरीके दिखाई
832. 39:00देगा राइट इस तरीके का कुछ दिखाई
833. 39:03देगा अब इसमें मान लो आपका यह डटा पॉइंट
834. 39:08यह डेटा पॉइंट यह डेटा पॉइंट यह डेटा
835. 39:11पॉइंट और यह डेटा पॉइंट यह आपकी माइनॉरिटी
836. 39:14क्लास है अब मान लो आपको क्या करना है
837. 39:17आपको रैंडम किसी एक डटा पॉइंट को आपने
838. 39:20सेलेक्ट किया मान लो आपने इसको सेलेक्ट
839. 39:21किया और इसके एक नेबर को सेलेक्ट किया मान
840. 39:23लो ये है वो नेबर और अब आपको क्या करना है
841. 39:26लीनियर इंटरपोले लगा के इन दोनों के बीच
842. 39:28में एक सिंथेटिक डेटा पॉइंट जनरेट करना है
843. 39:31थोड़ी देर के लिए मान लेते हैं कि आपका
844. 39:32डाटा पॉइंट यहां पर जनरेट हुआ अब यहां पर
845. 39:35जनरेट हुआ तो प्रॉब्लम यह है कि इसका वा
846. 39:37एक्सिस वैल्यू क्या होगा मे बी7 बट गेस
847. 39:40व्हाट से तो हो ही नहीं सकता हमारा बिकॉज
848. 39:43इट इज अ कैटेगरी कल डाटा उसकी वैल्यू या
849. 39:45तो जीरो होगी या तो वन होगी या तो टू होगी
850. 39:48से तो हो ही नहीं सकती तो दैट्ची
851. 39:57पहले इस डाटा पे केएनएन लगा रहे हो के एनए
852. 40:00के बारे में आपको पता होना चाहिए अगर आपका
853. 40:02डाटा बहुत बड़ा है और बहुत ज्यादा
854. 40:04डायमेंशन का है तो फिर केनन लगाना हमेशा
855. 40:07प्रॉब्लेम होता है बिकॉज इट्स अ स्लो
856. 40:09एल्गोरिदम आप हर पॉइंट का हर पॉइंट के साथ
857. 40:11डिस्टेंस निकालते हो सॉर्ट करते हो यू डू
858. 40:13अ लॉट ऑफ थिंग्स हाई डायमेंशन डाटा में
859. 40:15प्रॉब्लम होगी अगला ये है ये बहुत
860. 40:17इंटरेस्टिंग पॉइंट है कि इस एल्गोरिथम का
861. 40:20परफॉर्मेंस इस बात पर डिपेंड करता है कि
862. 40:22आप हर माइनॉरिटी पॉइंट के कितने नेबर्स
863. 40:26लेके चल रहे हो अगर आप बहुत कम नेबर्स
864. 40:28लेकर चलो मान लो आप के इ 1 लेकर चलो तो
865. 40:31प्रॉब्लम क्या होगा कि हर डेटा पॉइंट का
866. 40:35सिर्फ एक ही नेबर पकड़ के आप डेटा पॉइंट
867. 40:37जनरेट करते जाओगे तो इस लाइन पर खूब सारे
868. 40:40पॉइंट्स जनरेट हो जाएंगे वैरायटी नहीं
869. 40:43आएगी राइट वेयर एस अगर आप बहुत ज्यादा
870. 40:46नंबर ऑफ डाटा पॉइंट्स को कंसीडर कर लो एस
871. 40:48नेबर्स तो क्या होगा कि खूब ज्यादा
872. 40:51वैरायटी आ जाएगी मतलब आपके पूरे फीचर
873. 40:54स्पेस में हर जगह पर आपको पॉइंट दिखने
874. 40:55लगेंगे जो की अगेन अच्छी बात नहीं है तो
875. 40:59यू हैव टू बी इन द मिडल सम वेयर और वो
876. 41:01मिडल फाइंड आउट करना थोड़ा मुश्किल होता
877. 41:03है अ जनरली लोग k = 5 लेके चलते हैं बट
878. 41:06अगेन इट डिपेंड्स ऑन द डाटा अगला पॉइंट भी
879. 41:09बहुत इंटरेस्टिंग है इट इज सेंसिटिव टू
880. 41:11आउट लायर्स व्ट व्हाट इफ मेरे पास इस
881. 41:15तरीके से मेरी माइनॉरिटी क्लास है और एक
882. 41:17डटा पॉइंट यहां पर है यह भी माइनॉरिटी
883. 41:19क्लास का है तो रैंडम कभी ये भी सेलेक्ट
884. 41:21होगा यह सेलेक्ट होगा तो इसका कोई तो कोई
885. 41:24नियरेस्ट नेबर होगा मान लो ये उसका
886. 41:25नियरेस्ट नेबर है अब आप ने क्या किया
887. 41:27लीनियर इंटरपोलेशन लगाया तो आपका एक डेटा
888. 41:30पॉइंट यहां जनरेट हुआ फिर ये सेकंड
889. 41:32नियरेस्ट नेबर है तो एक डेटा पॉइंट यहां
890. 41:34पे जनरेट हुआ कैन यू सी एक सिंगल आउटलायर
891. 41:37नोइजी डेटा पॉइंट की वजह से और बहुत सारे
892. 41:40आउटलायर नोइजी डेटा पॉइंट्स आपके डाटा में
893. 41:42आ रहे हैं तो ओबवियसली आपके डाटा का
894. 41:44डिस्ट्रीब्यूशन खराब हो रहा है और
895. 41:46परफॉर्मेंस अच्छा नहीं रहेगा दिस इज पॉइंट
896. 41:48नंबर फोर पॉइंट नंबर फाइव कि इस टेक्निक
897. 41:52का सबसे बड़ा क्रिटिसिजम यह है कि कल को
898. 41:55अगर आपने खूब सारे डेटा पॉइंट जनरेट कर भी
899. 41:57भी दिए लाइक दिस तो क्या गारंटी है कि ये
900. 42:00जो डेटा पॉइंट जनरेट हुए हैं यह सच में
901. 42:03आपके डटा के डिस्ट्रीब्यूशन को रिप्रेजेंट
902. 42:05कर रहे हैं व्हाट इफ ये रियलिटी है ही
903. 42:07नहीं आपने अपनी मर्जी से जनरेट कर दिया बट
904. 42:10रियलिटी में डटा ऐसा था ही नहीं राइट
905. 42:12पॉपुलेशन डेटा की बात कर रहा हूं मैं ट्रू
906. 42:14डिस्ट्रीब्यूशन की बात कर रहा हूं जो कोई
907. 42:16फिगर आउट नहीं कर सकता है बस रिजल्ट्स में
908. 42:18आपको दिखाई देगा तो यह सिंथेटिक डेटा
909. 42:21जनरेशन में ये बहुत बड़ा प्रॉब्लम है कि
910. 42:23आपने जो डेटा जनरेट किया देयर इज नो
911. 42:25गारंटी कि वो अ आपके डाटा का जो ओरिजिनल
912. 42:28डिस्ट्रीब्यूशन है उसको फॉलो करेगा तो दीज
913. 42:30आर द फाइव मेजर ड्रॉ बैक्स ऑफ अपलाइट बट
914. 42:34अगेन इट्स वेरी पॉपुलर लोग लगाते हैं और
915. 42:36लोग उसके बारे में बहुत सारी बुराई भी
916. 42:38करते हैं बट इट्स एन इंटरेस्टिंग टेक्निक
917. 42:40और इसके बहुत सारे वेरिएंट्स भी है मैं
918. 42:42आपको वीडियो के एंड में दिखाऊंगा जो फोर्थ
919. 42:44टेक्निक हम लोग देखने जा रहे हैं वो भी
920. 42:45बहुत इंटरेस्टिंग है और वो है नसल मेथड्स
921. 42:48नसल मेथड्स आपने पढ़े होंगे अ बैगिंग
922. 42:51बूस्टिंग रैंडम फॉरेस्ट ये सारी चीजें तो
923. 42:54अ हम क्या कर सकते हैं हम नसल मेथड्स को
924. 42:57थोड़ा सा ट्वीकन्यूज
925. 43:02डाटा सो उसी का एक एग्जांपल मैं आपको दे
926. 43:04रहा हूं एक एल्गोरिदम होता है बैलेंस्ड
927. 43:08रैंडम फॉरेस्ट रैंडम फॉरेस्ट तो शायद आपको
928. 43:11पता ही होगा ये उसी का एक थोड़ा सा
929. 43:14स्लाइटली डिफरेंट वर्जन है जो इंबैलेंस
930. 43:17डाटा के साथ बहुत अच्छा काम करता है मैं
931. 43:19आपको बहुत जल्दी सिंपल तरीके से बताता हूं
932. 43:21कि बैलेंस्ड रैंडम फॉरेस्ट कैसे काम करता
933. 43:23है और कैसे वो इनैंस्तादत
934. 43:27इंबैलेंस डाटा है जहां पे आपके पास जो
935. 43:28मेजॉरिटी क्लास है उसमें 900 पॉइंट्स है
936. 43:31और जो आपका माइनॉरिटी क्लास है उसमें 300
937. 43:34डेटा पॉइंट्स है ठीक है तो यू कैन सी देयर
938. 43:37इज इंबैलेंस अब आप क्या करते हो रैंडम
939. 43:40फॉरेस्ट में आप मल्टीपल डिसीजन ट्रीज
940. 43:42ट्रेन करते हो आप सैंपलिंग करते हो डटा का
941. 43:44और हर सैंपल के ऊपर एक सेपरेट डिसीजन ट्री
942. 43:47को ट्रेन करते हो उसके बाद आप एग्रीगेशन
943. 43:49करते हो सिंपल राइट तो यहां पर आप क्या
944. 43:51करोगे कि आप जब नया सैंपल बनाओगे तो आप
945. 43:54यहां पर मेक श्यर करोगे कि जो सैंपल बनके
946. 43:57आ रहा है वो आपका एक बैलेंस्ड सैंपल हो
947. 44:01डटा भले ही इंबैलेंसड है बट सैंपलिंग
948. 44:04करोगे जब आप तो आप बैलेंस अचीव करने की
949. 44:07कोशिश करोगे तो आपने क्या किया आपके पास
950. 44:101200 डेटा पॉइंट्स का पूरा डेटा सेट था
951. 44:14आपने उससे जो पहला सैंपल बनाया वह 600
952. 44:16डेटा पॉइंट्स का बनाया उस 600 डेटा
953. 44:19पॉइंट्स में 300 आपके माइनॉरिटी वाले
954. 44:22होंगे और 300 आपके मेजॉरिटी वाले होंगे जो
955. 44:26कि सैंपलिंग से अचीव होगा रैंडम सैंपलिंग
956. 44:29से और इसके ऊपर अब आप एक डिसीजन ट्री मॉडल
957. 44:32को ट्रेन कर दोगे फिर आप सेकंड सैंपल सेम
958. 44:35तरीके से बनाओगे आपके 300 माइनॉरिटी वाले
959. 44:38पॉइंट्स और फिर आपने सैंपलिंग करके निकाला
960. 44:40300 मेजॉरिटी वाले डेटा पॉइंट्स इस पर
961. 44:43हमने सेकंड डिसीजन ट्री को ट्रेन किया एंड
962. 44:45सिमिलरली हमने थर्ड सैंपल बनाया च इज अगेन
963. 44:49बैलेंस्ड और इसके ऊपर आप अपने अपना थर्ड
964. 44:52डिसीजन ट्री को ट्रेन किया और उसके बाद
965. 44:55प्रेडिक्शन करने के टाइम आप इन तीनों मॉडल
966. 44:57से सेम क्वेश्चन पूछोगे और लेट्स से पहले
967. 45:00वाले ने बोला वन दूसरे वाले ने बोला जीरो
968. 45:02दूसरे वाले ने बोला वन तो आउटपुट आएगा वन
969. 45:06बिकॉज ऑफ मेजॉरिटी काउंट तो रफल द आईडिया
970. 45:09इज सेम द ओनली डिफरेंस दैट देयर इज वो है
971. 45:14कि आप जब सैंपलिंग करके नया डेटा सेट बना
972. 45:17रहे हो तो वहां पे आप बैलेंस अचीव कर रहे
973. 45:19हो ठीक है इसी का और बेटर अगर आपको
974. 45:22रिप्रेजेंटेशन देखना है तो दिस इज द
975. 45:24रिप्रेजेंटेशन दिस इज योर ओरिजिनल डाटा वच
976. 45:27गट अ लॉट ऑफ पॉइंट्स इन योर
977. 45:29मेजॉरिटी क्लास एंड वेरी फ्यू पॉइंट्स इन
978. 45:32योर माइनॉरिटी क्लास इससे आप क्या कर रहे
979. 45:35हो सबसेट बना रहे हो दिस इ सबसेट
980. 45:38वन राइट दिस इ सबसेट वन य कैन सी यहां पर
981. 45:42हमने सैंपलिंग परफॉर्म कर दी मेजॉरिटी
982. 45:45क्लास प और यह रहा हमारा माइनॉरिटी क्लास
983. 45:48एज इट इज फिर हमने फिर से एक बार सैंपलिंग
984. 45:50परफॉर्म की मेजॉरिटी प और माइनॉरिटी वाला
985. 45:54एज इट इज दिस इज द थर्ड सबसेट और फिर इन
986. 45:58तीनों के ऊपर हमने एक एक डिसीजन ट्री को
987. 46:01ट्रेन किया और आगे का प्रोसेस बिल्कुल
988. 46:03वैसा ही है जैसा आपका होता है नॉर्मल
989. 46:07रैंडम फॉरेस्ट में ठीक है सो यह रहा इसका
990. 46:11कोड यहां पर आपको री सैंपल करने की जरूरत
991. 46:15नहीं है आपको बस अपना डटा स्प्लिट करना है
992. 46:17एक्स ट्रेन एक्स टेस्ट स्प्लिट किया और
993. 46:20फिर नॉर्मल जैसे आप कोई मशीन लर्निंग
994. 46:22एल्गोरिथम लगाते हो उस तरीके से आप मॉडल
995. 46:25को ट्रेन कर सकते हो और और आगे फिर आप
996. 46:27उसको देख सकते हो कि उसका रिजल्ट कैसा आ
997. 46:29रहा है सो यू कैन सी अ रिकॉल हैज
998. 46:32इंप्रूव्ड प्रेसीजन इज नॉट दैट ग्रेट आरओ
999. 46:35एसी थोड़ा सा घटा है बाकी के कंपैरिजन में
1000. 46:38बट हमने कुछ फाइन ट्यून नहीं किया है करने
1001. 46:40से शायद इंप्रूव कर जाता दिस इज द डिसीजन
1002. 46:42बाउंड्री यू कैन सी इट इज रिस्पेक्टिंग द
1003. 46:44प्रेजेंस ऑफ पर्पल डेटा पॉइंट्स व्हिच इज
1004. 46:47योर माइनॉरिटी डेटा पॉइंट्स और येलो को भी
1005. 46:50बैलेंस देने की कोशिश कर रहा है तो उस
1006. 46:52सेंस में कुछ तो फायदा दिखाई दे रहा है
1007. 46:54राइट तो ये एक अच्छी टेकनीक है इसमें और
1008. 46:58भी कुछ-कुछ टेक्निक्स यूज होती है
1009. 47:00बूस्टिंग में भी आप ये सेम काम कर सकते हो
1010. 47:02बट फिलहाल लेट्स फोकस ऑन बैगिंग या फिर
1011. 47:05रैंडम फॉरेस्ट जो लास्ट टेक्निक हम लोग
1012. 47:08देखेंगे उसका नाम है कॉस्ट सेंसिटिव
1013. 47:10लर्निंग कॉस्ट सेंसिटिव लर्निंग क्या होता
1014. 47:13है कि आप मशीन लर्निंग एल्गोरिथम के
1015. 47:16लर्निंग प्रोसेस में ही कुछ ऐसे चेंजेज कर
1016. 47:19देते हो जिससे कि क्या होता है आपका मशीन
1017. 47:24लर्निंग एल्गोरिदम इंबैलेंस डाटा को
1018. 47:27थोड़ा बेटर तरीके से हैंडल कर पाता है ट्स
1019. 47:30द होल आईडिया आप लर्निंग प्रोसेस में
1020. 47:32चेंजेज कर रहे हो ठीक है यह अचीव करने के
1021. 47:35दो तरीके हैं मैं आपको दोनों का एक आईडिया
1022. 47:38दूंगा पहला जो टेक्निक है वह है क्लास
1023. 47:44वेट्स क्लास वेट्स का फंडा बहुत सिंपल है
1024. 47:47कि आप मशीन लर्निंग मॉडल को ट्रेन करने के
1025. 47:50टाइम पे आपने दोनों क्लासेस को वन वाली
1026. 47:54क्लास को और जीरो वाली क्लास को एक एक वेट
1027. 47:57असाइन करते हो राइट वन एग्जांपल मान लो
1028. 48:00आपका वन वाला क्लास मेजोरिटी में है और
1029. 48:03उसमें 900 डेटा पॉइंट्स है और आपका जीरो
1030. 48:05वाला क्लास माइनॉरिटी में है और उसमें
1031. 48:07सिर्फ 100 डेटा पॉइंट्स है तो आप क्या
1032. 48:10करोगे आप खुद से वेट्स इस तरीके से असाइन
1033. 48:15करोगे कि आपका माइनॉरिटी वाले क्लास का जो
1034. 48:18वेट होगा वह ज्यादा होगा लेट्स से आपने
1035. 48:21इसको दे दिया 10 का वेटेज और आपने इसको
1036. 48:24दिया सिर्फ वन का वेटेज
1037. 48:27तो आप इससे क्या कर रहे हो कि आप अपने
1038. 48:29मशीन लर्निंग एल्गोरिदम को यह इंफॉर्मेशन
1039. 48:32प्रोवाइड कर रहे हो कि देखो यार थोड़ा
1040. 48:35ज्यादा फोकस करना इस वाली क्लास के ऊपर
1041. 48:37जीरो वाली क्लास के ऊपर बिकॉज यह
1042. 48:39माइनॉरिटी में च मींस कि कभी भी अगर तुम
1043. 48:43एरर आएगा तुम्हारा जीरो वाली क्लास के ऊपर
1044. 48:47तो तुम इसको ज्यादा सीरियसली
1045. 48:50लेना और अपने लर्निंग प्रोसेस को इस तरीके
1046. 48:53से ट्क करना कि जभी भी जीरो प एरर आएगा तो
1047. 48:57तुम ज्यादा पेनलाइज करना अपने लर्निंग
1048. 48:59प्रोसेस को ताकि अगली बार से आप ज्यादा
1049. 49:01ध्यान दो और आप जीरो वाली गलतियां ना करो
1050. 49:05ठीक है सो अगर आप ऑप्टिमाइजेशन बेस्ड
1051. 49:07एल्गोरिथम की बात करो तो इंटरनली अगर
1052. 49:10ग्रेडिएंट डिसेंट जैसा एल्गोरिथम अप्लाई
1053. 49:13हो रहा है मान लेते हैं तो अगर आप ज्यादा
1054. 49:16वेटेज दे रहे हो जीरो वाले को तो जीरो
1055. 49:20वाले का जो अपडेट होता है वेट अपडेट होता
1056. 49:22है ना पैरामीटर अपडेट जो होता है जो
1057. 49:24ग्रेडिएंट डिसेंट में फार्मूला होता है वो
1058. 49:27सिग्निफिकेंट लार्ज होगा जिसकी वजह से
1059. 49:32जीरो वाली गलतियों के लिए भी आप सही
1060. 49:34डायरेक्शन में मूव करोगे यह थोड़ा
1061. 49:35टेक्निकल बातें हो गई अगर आपने ग्रेडिएंट
1062. 49:37डिसेंट पढ़ा होगा तो आप शायद समझ पा रहे
1063. 49:39होंगे अदर वाइज आपको थोड़ा जाके ग्रेडिएंट
1064. 49:41डिसेंट पढ़ना होगा मैं आपको नट शल में मेन
1065. 49:44चीज समझा देता हूं मेन चीज यही है कि आप
1066. 49:47एल्गोरिदम को किसी तरीके से यह बता रहे हो
1067. 49:51कि ये जीरो वाला भी इंपॉर्टेंट है भले ही
1068. 49:53तुमको डाटा में नहीं दिखाई दे रहा है
1069. 49:55लेकिन ये इंपोर्टेंट है इसको ज्यादा वेटेज
1070. 49:58दो तो जब भी तुम जीरो पे गलतियां करोगे
1071. 50:00उसको सीरियसली लेना और अपने लर्निंग
1072. 50:02प्रोसेस को इस तरीके से ट्वीट करना कि
1073. 50:04जीरो पे जो गलतियां हैं वो मिनिमाइज हो
1074. 50:11दैट्ची चर देते हैं इनफैक्ट अगर आप साइक
1075. 50:15लर्न पे जाओ तो मैं आपको दिखाता हूं कुछ
1076. 50:18फेमस क्लासिफिकेशन एल्गोरिथम्स जैसे कि
1077. 50:21लॉजिस्टिक रिग्रेशन है वहां पे आपको ये
1078. 50:23क्लास वेट दिखाई देगा अगर आप एसवीएम में
1079. 50:26जाओ वहां पर भी आपको दिखाई देगा अगर आप
1080. 50:29डिसीजन ट्री में जाओ तो वहां पे भी दिखना
1081. 50:33चाहिए फिलहाल मुझे दिख नहीं रहा है काफी
1082. 50:35सारे पैरामीटर्स
1083. 50:37हैं यह रहा क्लास वेट ठीक है सेम विथ
1084. 50:41बूस्टिंग एल्गोरिथम्स एज वेल कुछ एक
1085. 50:43एल्गोरिथम्स ऐसे हैं जहां पे आपको यह
1086. 50:46पैरामीटर दिखाई नहीं देता है अ जैसे कि
1087. 50:48केएनएन बिकॉज़ केएनएन में एसेंशियली कोई
1088. 50:51लॉस फंक्शन पे आप काम नहीं कर रहे हो अ
1089. 50:53सेम विद नाइव बेस वहां पे भी आपको नहीं
1090. 50:56दिखाई देगा बट अदर दन दैट आपको मोस्टली
1091. 50:59सारे के सारे अ जो एल्गोरिथम्स है जो किसी
1092. 51:02भी फॉर्म में लॉस फंक्शन के ऊपर काम करते
1093. 51:04हैं ऑप्टिमाइजेशन प काम करते हैं वहां पे
1094. 51:06आपको क्लास वेट्स का फंक्शनैलिटी दिखाई दे
1095. 51:09जाएगा अगर हम कोड की बात करें तो क्लास
1096. 51:12वेट्स को इंप्लीमेंट करना बहुत ही आसान
1097. 51:14चीज है बिकॉज आपके सारे एल्गोरिथम्स आपको
1098. 51:16डायरेक्टली पैरामीटर प्रोवाइड करते हैं
1099. 51:18जैसे यहां पर देखो हमने क्या किया डाटा को
1100. 51:21स्प्लिट किया लॉजिस्टिक रिग्रेशन लगा रहे
1101. 51:23हैं और यहां पे क्लास वेट्स बोल कर के एक
1102. 51:26हमारे पास पैरामीटर है हमने यहां पे बोल
1103. 51:28दिया कि जीरो को ज्यादा वेटेज देना है
1104. 51:29फाइव टाइम्स वन को वन टाइम्स ठीक है और
1105. 51:33नॉर्मल जैसे हम डाटा को ट्रेन करते हैं
1106. 51:35मॉडल को ट्रेन करते हैं वैसे हमने मॉडल को
1107. 51:37ट्रेन कर दिया सब कुछ सेम है एंड यू कैन
1108. 51:39सी दिस इज द रिजल्ट राइट अब इंटरेस्टिंग
1109. 51:43चीज क्या है कि अगर आप यहां पे मान लो
1110. 51:46फाइव टाइम्स के बदले 25 टाइम्स वेटेज देना
1111. 51:50चाहते हो तो ये देखो इससे रिजल्ट क्या
1112. 51:54आएगा यू कैन सी जो आपका डिसीजन बाउंड्री
1113. 51:57है वो थोड़ा और शिफ्ट हो गया और वो और
1114. 52:00ज्यादा वैल्यू कर रहा है आपके माइनॉरिटी
1115. 52:02वाले डेटा पॉइंट्स के ऊपर एंड दैट इज
1116. 52:04व्हाई उनको सही से क्लासिफाई करने का उसके
1117. 52:06ऊपर बहुत प्रेशर आ चुका है राइट अगर मैं
1118. 52:09इसी को 50 कर
1119. 52:11दूं तो यह प्रेशर और बढ़
1120. 52:16जाएगा यू कैन सी और आगे की तरफ य डिसीजन
1121. 52:19बाउंड्री मूव कर रही है तो क्लास वेट्स इज
1122. 52:21आल्सो वेरी इंटरेस्टिंग टेक्निक एंड द
1123. 52:23बेस्ट पार्ट इज वेरी इजी टू इंप्लीमेंट
1124. 52:25ऑलमोस्ट सारे साइक लन इंटरफेस में आपको ये
1125. 52:28बिल्ट इन मिल जाता है और आप इसको अपने
1126. 52:31हिसाब से वेरी करके देख सकते हो कि आपको
1127. 52:33बेस्ट रिजल्ट्स कहां पर मिल रहे तो यह हो
1128. 52:35गया पहला टेक्निक जो आप लगाते हो कॉस्ट
1129. 52:38सेंसिटिव लर्निंग
1130. 52:40में जो दूसरा टेक्निक है वह काइंड ऑफ
1131. 52:43सिमिलर ही है दूसरे टेक्नीक में आप क्या
1132. 52:46करते हो यू यूज अ कस्टम लॉस
1133. 52:52फंक्शन अभी तक आपने मशीन लर्निंग में
1134. 52:57जो भी लॉस फंक्शन के साथ काम किया होगा वो
1135. 52:59हो गए वही फेमस वाले मीन स्क्वाड एरर लॉग
1136. 53:03लॉस
1137. 53:04एक्सट्रा बट व्हाट इफ मैं अपनी
1138. 53:06रिक्वायरमेंट के हिसाब से अपने लॉस फंक्शन
1139. 53:10में थोड़ा बदलाव कर दूं तो देर आर सर्टेन
1140. 53:12मशीन लर्निंग एल्गोरिथम जो मुझे फीचर देते
1141. 53:14हैं स्पेशली जो मेरे बूस्टिंग वाले
1142. 53:16एल्गोरिथम्स है जैसे कि ग्रेडिएंट
1143. 53:18बूस्टिंग हुआ एक्सटी बूस्ट हुआ लाइट
1144. 53:21जीबीएम हुआ यहां पर मेरे पास यह ऑब्जेक्ट
1145. 53:25मतलब फीचर होता है कि मैं अपना कस्टम
1146. 53:27ऑब्जेक्टिव या कस्टम लॉस फंक्शन पास कर
1147. 53:29सकता हूं अब मान लो हमारे पास एक ऐसा
1148. 53:32सिनेरियो है जहां पे हमारा फॉल्स
1149. 53:35नेगेटिव जो एरर होता है वह ज्यादा
1150. 53:39क्रिटिकल है इन कंपैरिजन टू फाल्स पॉजिटिव
1151. 53:42लेट्स से तो हम एक ऐसा कस्टम लॉग लॉस
1152. 53:45फंक्शन डिफाइन कर सकते हैं जहां पे हम
1153. 53:48फॉल्स नेगेटिव को ज्यादा वैल्यू करेंगे इन
1154. 53:50कंपेरिजन टू फॉल्स पॉजिटिव और फिर सिंस
1155. 53:53हमने अपने कॉस्ट फंक्शन में ही मॉडिफिकेशन
1156. 53:54कर दिए तो ऑटोमेटिक रिजल्ट्स भी उस तरीके
1157. 53:57से बैलेंस हो जाएंगे इसका मैं आपको एक
1158. 54:00एग्जांपल दिखाता
1159. 54:01हूं सो अगर आप यहां पे देखो तो दिस इज द
1160. 54:05कोड फॉर कस्टम लॉस फंक्शन अ मे बी अभी
1161. 54:08आपको ज्यादा समझ में नहीं आएगा बट आपको बस
1162. 54:10मेन चीजों पे फोकस करना है इट्स द सेम
1163. 54:11डेटा सेट जो हम यूज करते आ रहे हैं यहां
1164. 54:14पर हमने कस्टम लॉस डिफाइन किया है हम
1165. 54:17एक्सडी बूस्ट यूज करेंगे एंड यू कैन सी
1166. 54:19हमने फॉल्स पॉजिटिव का पेनल्टी बढ़ा रखा
1167. 54:22है 3.5 और फॉल्स नेगेटिव का पेनल्टी घटा
1168. 54:25रखा है क्योंकि हमारे पास इसी तरह का
1169. 54:27प्रॉब्लम है जहां पर फॉल्स पॉजिटिव ज्यादा
1170. 54:29क्रिटिकल है मान लो ऐसा स्पैम फिल्टरिंग
1171. 54:31हम लोग बना रहे हैं तो वहां पे फॉल्स
1172. 54:33पॉजिटिव ज्यादा क्रिटिकल होता है तो हमारा
1173. 54:35वैसा ही एप्लीकेशन है अब आप क्या करोगे आप
1174. 54:37जो ग्रेडिएंट और हेश का कैलकुलेशन करोगे
1175. 54:39जो आप एबूस में करते हो जिसके बिना आपका
1176. 54:41काम नहीं चलता वहां पर आप इन एनहांस
1177. 54:44वैल्यूज के साथ सारा का सारा कैलकुलेशन
1178. 54:46करोगे तो आपका ग्रेडिएंट्स और हेस का जो
1179. 54:48कैलकुलेशन है वो इन वैल्यूज के बेसिस पर
1180. 54:51हो रहा है राइट और उसके बाद आगे का काम
1181. 54:54बहुत सिंपल है हम नॉर्मल एक सी बूस्ट
1182. 54:56अप्लाई कर रहे हैं और यू कैन सी दिस इज द
1183. 55:00रिजल्ट दिस इज द
1184. 55:02रिजल्ट राइट अगर आप इसी में चेंजेज करने
1185. 55:05लग जाओ मान लो आप इसको 3.5 के बदले 10 कर
1186. 55:09दो तो यू वुड बी एबल टू सी सम
1187. 55:15चेंजेज ये देखो आपका ब्लू वाला रीजन बढ़
1188. 55:18रहा है राइट बिकॉज आपने और ज्यादा वेटेज
1189. 55:21असाइन कर दिया अपने फॉल्स पॉजिटिव को तो
1190. 55:24ये भी एक टेक्नीक है थोड़ा सा ज्यादा
1191. 55:27टेक्निकल है इसको यूज करना बिकॉज कस्टम
1192. 55:30लॉस फंक्शन बनाना थोड़ा भारी काम होता है
1193. 55:32ज्यादा आसान तरीका है अगर आप क्लास फट्स
1194. 55:35यूज कर लो राइट तो जो भी है यह भी एक
1195. 55:38तरीका होता है टू हैंडल इंबैलेंसड डाटा
1196. 55:42ठीक है तो हमने पांच तरीके देखे अंडर
1197. 55:45सैंपलिंग ओवर सैंपलिंग ओवर सैंपलिंग का एक
1198. 55:47और टेक्निक देखा स्मोट नसल मेथड एंड कॉस्ट
1199. 55:50सेंसिटिव लर्निंग अब अगर आप इंटरेस्टेड हो
1200. 55:54यह जानने के लिए कि वो कौन सी और सारी
1201. 55:57टेक्निक्स है जो हमने नहीं पढ़ी तो मैं
1202. 55:59आपको उसका एक लिस्ट दे देता हूं ताकि आप
1203. 56:01खुद अगर पढ़ना चाहो तो पढ़ पाओ इंबैलेंस
1204. 56:04लर्न जो लाइब्रेरी है इन लोगों का जो
1205. 56:06डॉक्यूमेंटेशन है वो बहुत बढ़िया है अगर
1206. 56:07आप एपीआई रेफरेंस में जाओगे तो यहां पर
1207. 56:10आपको हर टेक्नीक के लिए कई तरह के ऑप्शंस
1208. 56:14मिलेंगे जैसे अंडर सैंपलिंग में हमने
1209. 56:16सिर्फ पढ़ा था
1210. 56:19अ रैंडम अंडर सैंपलर बट यहां पर आप देख
1211. 56:22सकते हो और बहुत सारी टेक्निक्स और भी
1212. 56:25होती है राट सिमिलरली फॉर ओवर सैंपलिंग
1213. 56:28मेथड्स हमने क्या क्या पढ़ा था हमने पढ़ा
1214. 56:30था रैंडम ओवर सैंपलर और स्मोट बट यहां पर
1215. 56:33यू कैन सी स्मोट के और बहुत सारे
1216. 56:34वेरिएंट्स होते हैं फिर आप ओवर सैंपलिंग
1217. 56:37और अंडर सैंपलिंग का कॉमिनेशन भी लगा सकते
1218. 56:39हो उसके भी ऑप्शंस है नसल मेथड के भी
1219. 56:42ऑप्शंस है हमने पढ़ा था बैलेंस रैंडम
1220. 56:45फॉरेस्ट
1221. 56:48क्लासिफिका भी होता है तो ये सारे ऑप्शंस
1222. 56:51है आई वुड रिकमेंड एक बार आप इस लाइब्रेरी
1223. 56:53का एपीआई रेफरेंस जाकर के चेक करो काफी
1224. 56:55नॉलेज मि मिलेगा ठीक है सो विद दैट आई गेस
1225. 56:58दिस वीडियो इज ओवर मुझे मेरा गोल था इस
1226. 57:01वीडियो के साथ कि आपको एक वन शॉट ओवरव्यू
1227. 57:04देना है इंबैलेंस डाटा का आई रियली होप
1228. 57:07मैं दे पाया अगर आपको वीडियो पसंद आया
1229. 57:09प्लीज आप इसको लाइक करना और अगर आपने चैनल
1230. 57:11को सब्सक्राइब नहीं किया है प्लीज डू
1231. 57:13सब्सक्राइब मिलते हैं नेक्स्ट वीडियो में
1232. 57:15बाय