কার্যকারণ আবিষ্কার : ককরেল ক্রাইং কি সূর্যের উদয় ঘটায়?

পাইথন কোডের 10 লাইন স্বয়ংক্রিয় কার্যকারণ আবিষ্কার যা আপনি দেখতে পেয়েছেন

আমার সাম্প্রতিক গবেষণার ফোকাস হয়েছে কার্যকারণ অনুমান ক্রমবর্ধমান অনুরোধের দ্বারা চালিত হয়ে আমি গ্রাহকদের কাছ থেকে মেশিন লার্নিং ভবিষ্যদ্বাণীর বাইরে গিয়ে "কি-যদি?" প্রভাব এবং ফলাফল চালানোর জন্য প্রশ্ন টাইপ করুন।

প্রাথমিকভাবে যে বিষয়গুলো আমাকে কৌতূহল জাগিয়েছিল তার মধ্যে একটি ছিল - "কারণকার্য চিত্র কীভাবে তৈরি করা হয়?"। অনেক অনলাইন উদাহরণে তারা নোড এবং লিঙ্কগুলিকে কীভাবে চিহ্নিত করা হয়েছিল তার কোনও ব্যাখ্যা ছাড়াই সম্পূর্ণরূপে গঠিত জীবনে বসন্ত বলে মনে হচ্ছে।

এটি আমাকে জুডিয়া পার্ল এবং ডানা ম্যাকেঞ্জির (বেশ কয়েকবার!) "দ্য বুক অফ কেন" পড়তে পরিচালিত করেছিল এবং একটি মতামত প্রকাশ করা হয়েছে যে আপনি ডেটা থেকে একটি কার্যকারণ চিত্র, যা একটি নির্দেশিত অ্যাসাইক্লিক গ্রাফ (ডিএজি) নামেও পরিচিত, প্রকৌশলী করতে পারবেন না। একা

ডেটা পারস্পরিক সম্পর্ক প্রকাশ করতে পারে কিন্তু কার্যকারণ নয়, তাহলে কার্যকারণকে "আবিষ্কার" করা কিভাবে সম্ভব?

দ্রষ্টব্য: এই নিবন্ধের সমস্ত ডেটা সেট সর্বজনীন ব্যবহারের জন্য লাইসেন্সকৃত, অনুগ্রহ করে নিবন্ধের শেষে সমস্ত উত্স এবং রেফারেন্সের জন্য রেফারেন্স বিভাগটি দেখুন।

আমরা কার্যকারণ আবিষ্কারে ডুব দেওয়ার আগে দয়া করে বিবেচনা করুন ...

আমার রেফারেল লিঙ্ক দিয়ে মিডিয়ামে যোগদান (আপনি এই লিঙ্কটি ব্যবহার করে সাইন আপ করলে আমি ফিগুলির একটি অনুপাত পাব)।

যখনই আমি একটি নতুন গল্প প্রকাশ করি তখনই একটি বিনামূল্যের ই-মেইলে সাবস্ক্রাইব করা.

আমার পূর্ববর্তী নিবন্ধ একটি দ্রুত কটাক্ষপাত গ্রহণ.

আমার বিনামূল্যের কৌশলগত ডেটা-চালিত সিদ্ধান্ত নেওয়ার ফ্রেমওয়ার্ক ডাউনলোড করা হচ্ছে.

আমার ডেটা সায়েন্স ওয়েবসাইট পরিদর্শন করা — ডেটা ব্লগ.

নিম্নলিখিত বাইনারি ডেটা সেট থেকে মান গণনা বিবেচনা করুন …

দ্রষ্টব্য: সূর্যোদয় / ককরেল ডেটা সেটটি লেখক দ্বারা তৈরি সিন্থেটিক ডেটা, সম্পূর্ণ উত্স এবং রেফারেন্স বিশদ বিবরণের জন্য অনুগ্রহ করে নিবন্ধের শেষে রেফারেন্স বিভাগটি দেখুন।

আমরা দেখতে পাচ্ছি যে 90.25% পর্যবেক্ষণে সূর্য উদিত হলে ককরেল কাক করে তবে আমরা কীভাবে জানব যে সূর্যোদয়ের ফলে মোরগ কাক করে নাকি শুধুমাত্র ডেটার উপর ভিত্তি করে ককরেল কাক সূর্য উদয় করে?

সূর্য উঠার সময় বা সূর্য উদিত হওয়ার সময় ককরেল যখন কাক করে কিন্তু ককরেল নীরব থাকে সেগুলির সংখ্যা কার্যত অভিন্ন (50,000 বনাম 47,500) তাই ডেটার আপেক্ষিক ভলিউম তুলনা করে কার্যকারণ উত্তর পাওয়া যাবে না।

একটা পন্থা হতে পারে সাময়িক দৃষ্টিভঙ্গির দিকে তাকানো। যদি ককরেল ডাকার আগে সূর্য ধারাবাহিকভাবে ওঠে তবে এটি কার্যকারণের একটি ভাল সূচক হবে কিন্তু আমাদের ককরেল যদি প্রথম দিকের রাইজার হয় তবে কী হবে?

উত্তর হল ডোমেইন বিশেষজ্ঞদের সাথে পরামর্শ করা। আমরা যদি একজন জ্যোতিষী, একজন পদার্থবিদ এবং একজন হাঁস-মুরগির খামারিদের সাথে একটি দলকে একত্রিত করতে পারি তবে তারা এই সিদ্ধান্তে উপনীত হবে যে সূর্যের কারণে কাকেরেল কাক তৈরি করছে এবং অন্য দিকে নয়!

সূর্যোদয় এবং ককরেল ডাকাডাকিতে বিচলিত না হয়ে আমি এমন কিছুর সন্ধানে রওনা হয়েছিলাম যা ইতিমধ্যেই সেখানে ছিল যা ডেটার উপর ভিত্তি করে কার্যকারণ আবিষ্কারের যাদু সম্পাদন করতে সক্ষম হতে পারে।

"NOTEARS" নামে একটি অ্যালগরিদম রয়েছে যা কার্যকারণ আবিষ্কারকে বাস্তবায়ন করতে সক্ষম বলে দাবি করে, তাই আসুন এটি একবার চেষ্টা করে দেখি এবং এটি কী করতে পারে ...

দ্রষ্টব্য: গুটিবসন্ত ডেটা সেটটি লেখক দ্বারা তৈরি সিন্থেটিক ডেটা, অনুগ্রহ করে সম্পূর্ণ উত্স এবং রেফারেন্স বিশদ বিবরণের জন্য নিবন্ধের শেষে রেফারেন্স বিভাগটি দেখুন।

এই ডেটাসেটটি গুটিবসন্তের টিকাদানের কারণ-ও-প্রতিক্রিয়া সম্পর্কের মডেলিং করছে। আসুন এটির বিরুদ্ধে NOTERS অ্যালগরিদম চালান এবং দেখুন এটি কী করতে পারে …

[('প্রতিক্রিয়া?', 'ভ্যাকসিনেশন?'),
('গুটিবসন্ত?', 'প্রতিক্রিয়া?'),
('মৃত্যু?', 'প্রতিক্রিয়া?'),
('মৃত্যু?', 'গুটিবসন্ত?')]

আমরা যদি নোটিয়ার দ্বারা উত্পাদিত ফলাফলগুলি কল্পনা করি তবে এটি দেখতে এরকম হবে …

খুব ভালো লাগছে না তাই না? NOTEARS অনুসারে মৃত্যু স্মলপক্সের কারণ। সাময়িক দিক আমাদের বলে যে গুটিবসন্ত প্রথমে আসে তাই এটি মৃত্যুর কারণে হতে পারে না। বা গুটিবসন্ত প্রতিক্রিয়া সৃষ্টি করতে পারে না (টিকা প্রতিক্রিয়া সৃষ্টি করে) এবং প্রতিক্রিয়া অবশ্যই টিকা ঘটাতে পারে না।

ডোমেন বিশেষজ্ঞদের জ্ঞান ব্যবহার করে আমরা সহজেই প্রতিষ্ঠিত করতে পারি যে রোগীর কোন প্রতিক্রিয়া আছে কিনা এবং তারা রোগের বিকাশ ঘটায় কিনা এবং প্রতিক্রিয়া এবং গুটিবসন্ত উভয়েরই মৃত্যুর সাথে একটি কারণগত যোগসূত্র রয়েছে কিনা তার উপর টিকাদানের একটি কার্যকারণ প্রভাব রয়েছে …

সুতরাং, আমরা প্রতিষ্ঠিত করেছি যে এমনকি একটি খুব সাধারণ কার্যকারণ মডেলেও নোটিয়ার কার্যকারণ আবিষ্কার অ্যালগরিদম সঠিক ফলাফল দেয় না। এছাড়াও, আমার পূর্ববর্তী নিবন্ধগুলির একজন পাঠক উল্লেখ করেছেন যে নোটিয়ারগুলি পাইথন 3.9 এ কাজ করে না এবং আমি আপগ্রেড করতে যাচ্ছি এটি আরেকটি বড় সমস্যা।

আপনি যদি কারণের জন্য নোটিয়ারের অনুপযুক্ততা সম্পর্কে আরও পড়তে চান তবে এখানে একটি চমৎকার একাডেমিক পেপার রয়েছে — https://arxiv.org/pdf/2104.05441.pdf (মার্কাস কায়সার এবং ম্যাকসিম সিপোস)।

আমরা সম্পূর্ণরূপে স্বয়ংক্রিয় কার্যকারণ আবিষ্কার ছেড়ে দেওয়ার আগে, আসুন নোটিয়ারের একটি বিকল্প, "ল্যাসো" অ্যালগরিদম দেখে নেওয়া যাক -

দ্রষ্টব্য: আদমশুমারির আয় / স্নাতক উপার্জন ডেটা সেটটি সর্বজনীন ব্যবহারের জন্য লাইসেন্সকৃত, সম্পূর্ণ উত্স এবং রেফারেন্স বিশদ বিবরণের জন্য অনুগ্রহ করে নিবন্ধের শেষে রেফারেন্স বিভাগটি দেখুন।

ওহ প্রিয়, ল্যাসো একটি বিপর্যয়! এটা ভবিষ্যদ্বাণী করেছে যে সবকিছুই অন্য সব কিছু ঘটাচ্ছে এবং নোডগুলিও নিজেদের কারণ!

আমার চূড়ান্ত প্রচেষ্টা ছিল GES, GIES এবং LINGAM অ্যালগরিদমগুলি চেষ্টা করা কিন্তু এই সবগুলির জন্য R লাইব্রেরি প্রয়োজন। আমি আর ব্যবহার করি না এবং এমনকি যদি আমি কনফিগারেশনটি সঠিকভাবে পরিচালনা করতে পারি তবে আমি কখনই পোর্টেবল কোড তৈরি করতে পারব না যা অন্যান্য ডেটা বিজ্ঞানীরা ব্যবহার করতে পারে।

উপলব্ধ কার্যকারণ লাইব্রেরি এবং অ্যালগরিদমগুলি কাজ করে না এবং এটি "দ্য বুক অফ কেন" তে প্রকাশিত দৃষ্টিভঙ্গিকে পুনরায় প্রয়োগ করেছে অর্থাৎ কার্যকারণকে কেবল ডেটা থেকে বিপরীত ইঞ্জিনিয়ার করা যায় না।

এই উপসংহারটি আমাকে আমার নিজস্ব পদ্ধতির বিকাশের দিকে পরিচালিত করেছিল ...

টেবিলের উপর কার্ড, আমি একটি কারণ আবিষ্কার অ্যালগরিদম লিখিত না. বরং আমার অ্যালগরিদম একটি মোচড়ের সাথে সম্পর্কযুক্ত আবিষ্কার প্রয়োগ করে (কোন শ্লেষের উদ্দেশ্য নয়!)

আমি যখন কার্যকারণ আবিষ্কারের লাইব্রেরি ছেড়ে দিয়েছিলাম তখনও ডোমেন বিশেষজ্ঞদের সাথে কথোপকথনের জন্য একটি সূচনা বিন্দু হিসাবে কার্যকারণকে কল্পনা করার একটি উপায়ের প্রয়োজন ছিল।

আমি যুক্তি দিয়েছিলাম যে আমি সহজেই বৈশিষ্ট্য / নোডগুলির মধ্যে পারস্পরিক সম্পর্ক গণনা করতে পারি এবং এটি অন্তত একটি ভাল সূচনা পয়েন্ট হবে।

আমি আমার চিন্তাভাবনাকে নিম্নরূপ বিকশিত করেছি — কার্যকারণ আবিষ্কারের মডেলগুলিতে আমরা সাধারণত "ইফেক্ট" অর্থাৎ যে ডেটা বৈশিষ্ট্যে আমরা আগ্রহী (যেমন মেশিন লার্নিং ভবিষ্যদ্বাণীতে "লক্ষ্য") চিহ্নিত করি। গুটিবসন্তের উদাহরণে এটি "মৃত্যু?", এবং স্নাতক উপার্জনের উদাহরণে এটি "বৃহত্তরThank50k" উপার্জন৷

তাই যদি কোনো বৈশিষ্ট্য এবং "প্রভাব" এর মধ্যে পারস্পরিক সম্পর্ক থাকে তবে কার্যকারণ দিকটি অবশ্যই অন্যান্য বৈশিষ্ট্য থেকে প্রভাবের দিকে হতে হবে কারণ এটি "লাইনের শেষে"।

আমার পরবর্তী পদক্ষেপটি ছিল একটি পুনরাবৃত্ত অ্যালগরিদম বিকাশ করা যা নিম্নলিখিত হিসাবে কল্পনা করা যেতে পারে ...

সদৃশ এবং দ্বি-নির্দেশিক লিঙ্কগুলি জোর করে বাদ দিতে হবে। আমি স্পষ্টভাবে সংযোগ (প্রান্ত) অন্তর্ভুক্ত বা বাদ দিতে এবং স্পষ্টভাবে বৈশিষ্ট্য (নোড) বাদ দিতে সক্ষম হতে চেয়েছিলাম।

এইগুলি হল 10 টি লাইন পুনরাবৃত্ত পাইথন কোড যা আমি কার্যকারণ আবিষ্কার বাস্তবায়নের জন্য নিয়ে এসেছি

সমাধানটি কীভাবে কাজ করে তা দেখানোর জন্য আমি হোটেল বুকিং বাতিলকরণ ডেটার কিছু ডেটা নির্বাচন করেছি।

আসুন ডেটা পড়ে এবং পারস্পরিক সম্পর্কের দিকে উঁকি দিয়ে শুরু করি …

দ্রষ্টব্য: হোটেল বুকিং ডেটা সেটটি সর্বজনীন ব্যবহারের জন্য লাইসেন্সকৃত, অনুগ্রহ করে সম্পূর্ণ উত্স এবং রেফারেন্স বিশদ বিবরণের জন্য নিবন্ধের শেষে রেফারেন্স বিভাগটি দেখুন।

আবিষ্কারের অ্যালগরিদমের প্রথম দৌড়ে পুনরাবৃত্তিগুলিকে 1-এ নামিয়ে রাখা জড়িত তাই আমরা কেবল "ইফেক্ট" এর সাথে পারস্পরিক সম্পর্ক (যা কার্যকারণ হওয়া উচিত) দেখছি অর্থাৎ হোটেল বুকিং বাতিল করা হয়েছে কিনা …

ঠিক আছে, এটি একটি খারাপ সূচনা নয়, আসুন পুনরাবৃত্তি / পুনরাবৃত্তি / স্তরের সংখ্যা 3 তে বাড়িয়ে দেই, পারস্পরিক সম্পর্ক থ্রেশহোল্ডকে কিছুটা পরিবর্তন করি এবং দেখুন আমরা কী পাই …

ঠিক আছে, খুব খারাপও নয়, তবে এটি কিছুটা "ব্যস্ত" তাই পরবর্তী পদক্ষেপটি হল কিছু নোড বাদ দেওয়া যা আমরা সন্দেহ করি যে কিছু গোলমাল হতে পারে (দ্রষ্টব্য: একটি বাস্তব-বিশ্বের ব্যবসায়িক ক্ষেত্রে আমরা কথা বলব এই পর্যায়ে আমাদের ডোমেন বিশেষজ্ঞরা)।

এটি আরও ভাল দেখতে শুরু করছে। মনে রাখবেন যে আমার অ্যালগরিদম নিশ্চিত যে "IsCancelled"-এর লিঙ্কগুলি কার্যকারণ কারণ এটি "প্রভাব", তাই এর পরে কিছুই আসে না।

গাছের অন্যান্য স্তরগুলি কেবল সম্পর্কযুক্ত যদিও, অ্যালগরিদম যে ক্রমটিতে তাদের খুঁজে পেয়েছে তার ভিত্তিতে তীরগুলির দিকটি যোগ করা হয়েছিল।

ডোমেন বিশেষজ্ঞদের সাথে কাজ করে (অথবা এই উদাহরণে হোটেল বুকিংয়ের আমার নিজের অভিজ্ঞতা!) আমি নিম্নলিখিতগুলি লক্ষ্য করেছি –

• "DifferentRoomAssigned" থেকে "LeadTime" এর লিঙ্কটি ভুল পথে রয়েছে কারণ একটি দীর্ঘ বুকিং লিড টাইম রুম বুকিং পরিবর্তন হওয়ার সম্ভাবনা বাড়িয়ে দেয় এবং এর বিপরীতে নয়।
• "Boking Changes" এবং "DifferentRoomAssigned"-এর মধ্যে পারস্পরিক সম্পর্ক থ্রেশহোল্ডের নিচে কিন্তু এটি একটি উল্লেখযোগ্য কারণ হতে পারে তাই এটি অন্তর্ভুক্ত করা প্রয়োজন।

পরবর্তী প্রচেষ্টা এই সংশোধনগুলি করার জন্য অ্যালগরিদমকে নির্দেশ দেয় -

একটি "অনিরীক্ষিত বিভ্রান্তিকর" একটি ফ্যাক্টর যা আমরা বিশ্বাস করি যে কিছু নোডের মধ্যে একটি লিঙ্ক প্রদান করে আমাদের কার্যকারণ মডেলকে প্রভাবিত করছে, কিন্তু এটি পরিমাপ করা হয়নি এবং তাই ডায়াগ্রামে অন্তর্ভুক্ত করা হয়নি।

হোটেলে যাওয়ার আমার অভিজ্ঞতা এবং হোটেলের ডেটাসেট সম্পর্কে আমার জ্ঞান আমাকে সন্দেহ করেছে যে হোটেলের ডেটাকে প্রভাবিত করে একটি "অনিরীক্ষিত বিভ্রান্তিকর" আছে।

ডেটাতে দুটি হোটেল রয়েছে - একটি "শহর" হোটেল এবং একটি "রিসর্ট" হোটেল। এটি আমাকে অনুমানের দিকে নিয়ে যায় যে এই কার্যকারণ মডেলটিতে অপ্রদর্শিত বিভ্রান্তি হল "হোটেলে থাকার কারণ".

আমার অনুমান এটা ছুটির দিন প্রস্তুতকারীরা প্রাথমিকভাবে রিসর্ট হোটেলে থাকে এবং ব্যবসায়ীরা এবং শহর-ভাঙারা প্রাথমিকভাবে শহরের হোটেলে থাকে.

তদ্ব্যতীত আমি অনুমান করেছি যে এই দুটি গোষ্ঠীর আলাদা আচরণ রয়েছে এবং এটি হল "অনবজার্ভড কনফাউন্ডার" (অনিরীক্ষিত কারণ ডেটা "থাকার কারণ" ক্যাপচার করে না)।

NOTERS এবং অন্যান্য অনুরূপ অ্যালগরিদমগুলি "অনিরীক্ষিত বিভ্রান্তিকর" এর জন্য অ্যাকাউন্ট করতে পারে না তবে আমি যে অ্যালগরিদম তৈরি করেছি তা স্পষ্টভাবে নিম্নলিখিত হিসাবে অন্তর্ভুক্ত করে সেগুলিকে বিবেচনায় নিতে পারে …

চূড়ান্ত পুনরাবৃত্তির ফলাফল হল হোটেল ডেটার কার্যকারিতার জন্য একটি যুক্তিযুক্ত, পঠনযোগ্য এবং বোধগম্য ভিজ্যুয়ালাইজেশন যা আমি ডোমেন বিশেষজ্ঞদের সাথে অন্বেষণ এবং পরিমার্জন করতে আত্মবিশ্বাসী হব। এগুলো হলো মূল পয়েন্ট…

• এখানে একটি "অনিরীক্ষিত বিভ্রান্তিকর" রয়েছে যা থাকার প্রাথমিক কারণ (ছুটি বনাম ব্যবসা / শহর বিরতি)।
• "দেশ" অপ্রদর্শিত বিভ্রান্তির উপর একটি কার্যকারণ প্রভাব ফেলে — কিছু দেশ থেকে যারা ভ্রমণ করে তাদের ছুটিতে থাকার সম্ভাবনা বেশি।
• একই “Total Guests”-এর ক্ষেত্রেও প্রযোজ্য। বড় দলগুলোর ছুটি কাটানোর সম্ভাবনা বেশি, এককদের ব্যবসায়িক ভ্রমণে এবং শহরের বিরতিতে দ্বিগুণ হওয়ার সম্ভাবনা বেশি।
• অবলোকিত "থাকার কারণ" "লিডটাইম", "হোটেল টাইপ" এবং "ডিপোজিট টাইপ" এর উপর একটি কার্যকারণ প্রভাব ফেলে।
• “লিডটাইম”, “ডিফারেন্ট রুম অ্যাসাইনড”, “হোটেল টাইপ”, “ডিপোজিট টাইপ” এবং “রিজন ফর স্টে” (ইউ) সবই “ইস ক্যানসেলড”-এর উপর কার্যকারণ প্রভাব ফেলে।

কার্যকারণ আবিষ্কার কার্যকারণ লিঙ্কগুলি আবিষ্কার করার জন্য সম্পর্কীয় লিঙ্কগুলির বাইরে যাওয়ার প্রক্রিয়াটি (অর্থাৎ তীরটি সম্পর্কযুক্ত লাইনের কোন প্রান্তে রয়েছে?)। এটি সম্ভব নয়, বা অন্তত নিষিদ্ধভাবে কঠিন, নোটিয়ারের মতো অ্যালগরিদমগুলির সাথে স্বয়ংক্রিয় করা কারণ উত্তরগুলি একা ডেটাতে বিদ্যমান নেই৷

যাইহোক, কার্যকারণকে কল্পনা করার জন্য এখনও একটি গুরুত্বপূর্ণ প্রয়োজন রয়েছে যাতে এটি একটি কার্যকারণ চিত্র (এটিকে একটি নির্দেশিত অ্যাসাইক্লিক গ্রাফ বা ডিএজি হিসাবেও উল্লেখ করা হয়) তৈরি করার জন্য ডোমেন বিশেষজ্ঞদের সাথে অন্বেষণ করা যেতে পারে।

এই নিবন্ধে পাইথন কোডের মাত্র 10টি লাইন ব্যবহার করে পারস্পরিক সম্পর্কযুক্ত আবিষ্কারের উপর ভিত্তি করে একটি অ্যালগরিদম প্রস্তাব করা হয়েছে যা ডোমেন বিশেষজ্ঞদের সাথে বারবার সংবেদনশীলতা (থ্রেশহোল্ড) পরিমার্জন করতে এবং লিঙ্কগুলি (তীর) সংশোধন, যোগ বা অপসারণ করতে এবং অপ্রাসঙ্গিক বাদ দিতে ব্যবহার করা যেতে পারে। নোড

ভবিষ্যতের নিবন্ধগুলিতে এই কার্যকারণ চিত্রগুলিকে একটি সম্পূর্ণ প্রস্ফুটিত কার্যকারণ মেশিন লার্নিং মডেল তৈরি করতে ব্যবহার করা হবে যা জটিল উত্তর দিতে পারে "যদি?" গ্রাহক এবং ব্যবসায়ী নেতাদের কাছ থেকে প্রশ্ন টাইপ করুন.

আপনি যদি এই নিবন্ধটি উপভোগ করেন তবে দয়া করে বিবেচনা করুন ...

আমার রেফারেল লিঙ্ক দিয়ে মিডিয়ামে যোগদান (আপনি এই লিঙ্কটি ব্যবহার করে সাইন আপ করলে আমি ফিগুলির একটি অনুপাত পাব)।

যখনই আমি একটি নতুন গল্প প্রকাশ করি তখনই একটি বিনামূল্যের ই-মেইলে সাবস্ক্রাইব করা.

আমার পূর্ববর্তী নিবন্ধ একটি দ্রুত কটাক্ষপাত গ্রহণ.

আমার বিনামূল্যের কৌশলগত ডেটা-চালিত সিদ্ধান্ত নেওয়ার ফ্রেমওয়ার্ক ডাউনলোড করা হচ্ছে.

আমার ডেটা সায়েন্স ওয়েবসাইট পরিদর্শন করা — ডেটা ব্লগ.

সূর্যোদয় / Cockerel Crowing ডেটা

স্মলপক্স ডেটা

স্নাতক উপার্জন / আদমশুমারি আয় ডেটা

হোটেল বুকিং ডেটা

কার্যকারণ আবিষ্কার : ককরেল ক্রাইং কি সূর্যের উদয় ঘটায়? https://towardsdatascience.com/causal-discovery-does-the-cockerel-crowing-cause-the-sun-to-rise-f4308453ecfa?source=rss—-7f60cf5620c9—4 থেকে https://towardsdatascience এর মাধ্যমে পুনঃপ্রকাশিত। com/feed

<!–

->