Part 15 / 21
Part 15 — Ablation / Additional Analysis
প্রতিটি অংশ সত্যিই দরকারি?
Ablation Study মানে — প্রস্তাবিত পদ্ধতির একেকটা অংশ সরিয়ে দেখা, ওই অংশটা আসলে কতটা গুরুত্বপূর্ণ।
এটা প্রমাণ করে তোমার প্রতিটি component সত্যিই কাজে লাগছে।
Full Model
↓
Remove Component A
↓
Remove Component B
↓
Compare Performance
🔬 অতিরিক্ত বিশ্লেষণ
- Sensitivity analysis — parameter বদলালে ফল কতটা বদলায়
- Error analysis — কোথায়, কেন ভুল হচ্ছে
- Robustness testing — noise/attack/নতুন data-তে টিকে থাকে কি না
| Configuration | F1 |
|---|
| Full model (সব feature) | 0.96 |
| − URL-length feature | 0.93 |
| − special-character feature | 0.90 |
উপরের ফল দেখায় — special-character feature সরালে সবচেয়ে বেশি পারফরম্যান্স পড়ে, অর্থাৎ ওটা সবচেয়ে গুরুত্বপূর্ণ।
🔎 আমাদের গল্পের গবেষণা (Running Example):
“A Machine Learning Approach for Detecting Phishing Websites”
আমরা ablation করব — একেকটা feature গ্রুপ সরিয়ে F1 কতটা কমে দেখব; এতে প্রমাণ হবে কোন feature phishing detection-এ সবচেয়ে বেশি অবদান রাখছে।
🎯 Mini Cheat Sheet
এক কথায় (What is it?): Component সরিয়ে তার গুরুত্ব যাচাই করার পরীক্ষা।
মূল কাজ (Main job): প্রস্তাবিত পদ্ধতির প্রতিটি অংশ সত্যিই দরকারি কি না প্রমাণ করা।
যা অবশ্যই থাকবে (Must contain):- component-wise তুলনা
- sensitivity analysis
- error analysis
- robustness test
যা থাকবে না (Should NOT contain):- শুধু full-model ফল
- ব্যাখ্যাহীন সংখ্যা
- cherry-picked config
Beginner mistake: কোনো ablation না দিয়ে ‘প্রতিটা অংশই দরকারি’ দাবি করা।
Quick formula: Full → −A → −B → Compare
🧠 মনে রাখার এক লাইন: Ablation = ‘এই অংশটা আসলেই লাগে কি?’-র প্রমাণ।
© 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.