Part 11 / 21
Part 11 — Baselines / Comparative Methods
কার সাথে তুলনা করছ?
Baseline হলো তুলনার রেফারেন্স — বিদ্যমান পদ্ধতি, যার সাথে তুমি তোমার প্রস্তাবিত পদ্ধতির ফলাফল
তুলনা করো। Baseline ছাড়া “আমার method ভালো” কথাটার কোনো মানে নেই।
🤔 কেন তুলনা দরকার?
৯৬% F1 শুনতে দারুণ — কিন্তু পুরনো সহজ পদ্ধতিও যদি ৯৫% দেয়, তাহলে তোমার অবদান সামান্য। Baseline দেখায় তোমার
উন্নতি আসলে কতটা।
❌ দুর্বল baseline
ইচ্ছা করে খুব খারাপ/সেকেলে পদ্ধতির সাথে তুলনা করে
নিজেকে ভালো দেখানো — এটা বিভ্রান্তিকর।
✅ অর্থবহ baseline
প্রাসঙ্গিক classical পদ্ধতি + সাম্প্রতিক
state-of-the-art (SOTA)-এর সাথে fair তুলনা।
Fair comparison: সব পদ্ধতিকে একই dataset, একই split, একই metric-এ যাচাই
করতে হবে। নইলে তুলনা অসৎ হয়ে যায়।
🔎 আমাদের গল্পের গবেষণা (Running Example):
“A Machine Learning Approach for Detecting Phishing Websites”
আমরা baseline রাখব: (১) rule-based detector, (২) Decision Tree, (৩) একটি সাম্প্রতিক published পদ্ধতি — সবাইকে একই dataset ও split-এ চালিয়ে fair তুলনা করব।
🎯 Mini Cheat Sheet
এক কথায় (What is it?): তুলনার জন্য ব্যবহৃত বিদ্যমান পদ্ধতি।
মূল কাজ (Main job): প্রস্তাবিত পদ্ধতির প্রকৃত উন্নতি পরিমাপ করা।
যা অবশ্যই থাকবে (Must contain):- প্রাসঙ্গিক classical baseline
- সাম্প্রতিক SOTA
- একই dataset/split/metric
- fair setup
যা থাকবে না (Should NOT contain):- ইচ্ছাকৃত দুর্বল baseline
- ভিন্ন dataset-এ তুলনা
- baseline সম্পূর্ণ বাদ দেওয়া
Beginner mistake: শুধু দুর্বল baseline বেছে ফলাফল ভালো দেখানো।
Quick formula: Classical + SOTA, same Dataset/Split/Metric
🧠 মনে রাখার এক লাইন: দুর্বল baseline = সস্তা জয়; fair baseline = আসল অবদান।
© 2025
Sheikh Thanbir Alam. All Rights Reserved.
thanbirtamim.github.ioএই লেখা মূল লেখকের সম্পত্তি — লিখিত অনুমতি ছাড়া কপি করে অন্য কোনো ওয়েবসাইট, ব্লগ, বই বা প্ল্যাটফর্মে প্রকাশ/বিতরণ করা কঠোরভাবে নিষিদ্ধ। Content may not be copied or republished without permission.