Logistic Regression
সম্পূর্ণ বাংলা লেকচার নোট

# প্রয়োজনীয় লাইব্রেরি Import করি
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score, confusion_matrix, classification_report

# Dataset তৈরি করি
data = {
    'study_hours':    [1,2,2,3,4,4,5,5,6,6,7,7,8,8,9,3,5,7,2,8],
    'attendance':     [40,50,45,55,60,70,65,75,80,85,90,88,95,92,98,48,72,88,42,96],
    'previous_marks': [30,40,35,45,50,55,60,58,65,70,75,72,80,78,88,38,62,79,33,84],
    'pass_fail':      [0,0,0,0,0,1,0,1,1,1,1,1,1,1,1,0,1,1,0,1]
}

df = pd.DataFrame(data)
print(df.head(10))

# X = Input Features (কারণ), y = Target (ফলাফল)
X = df[['study_hours', 'attendance', 'previous_marks']]
y = df['pass_fail']

print("Feature আকার:", X.shape)
print("Target আকার:", y.shape)
print("\nPaas কতজন:", y.sum())
print("Fail কতজন:", len(y) - y.sum())

# ডেটা দুই ভাগে ভাগ করি: শেখার জন্য (Train) ও পরীক্ষার জন্য (Test)
X_train, X_test, y_train, y_test = train_test_split(
    X, y,
    test_size=0.2,      # ২০% Test-এর জন্য রাখব
    random_state=42   # একই ফলাফলের জন্য
)

print("Training ডেটা:", X_train.shape)
print("Testing ডেটা:", X_test.shape)

# Logistic Regression মডেল তৈরি ও Training
model = LogisticRegression(random_state=42)
model.fit(X_train, y_train)

print("✅ মডেল Training সম্পন্ন!")
print("\nWeights (গুরুত্ব):")
for feat, w in zip(['study_hours','attendance','prev_marks'], model.coef_[0]):
    print(f"  {feat}: {w:.4f}")
print(f"Bias: {model.intercept_[0]:.4f}")

# Class Prediction (পাস/ফেল)
y_pred = model.predict(X_test)
print("Predicted Class:", y_pred)
print("Actual Class:   ", y_test.values)

# Probability Prediction (সম্ভাবনা)
y_prob = model.predict_proba(X_test)
print("\nPass-এর সম্ভাবনা:")
for i, prob in enumerate(y_prob):
    print(f"  ছাত্র {i+1}: Fail সম্ভাবনা={prob[0]:.2%}, Pass সম্ভাবনা={prob[1]:.2%}")

# Accuracy দেখি
accuracy = accuracy_score(y_test, y_pred)
print(f"✅ Model Accuracy: {accuracy:.2%}")

# Classification Report
print("\n📊 Detailed Report:")
print(classification_report(y_test, y_pred,
      target_names=['Fail', 'Pass']))

# Confusion Matrix
cm = confusion_matrix(y_test, y_pred)
print("🔲 Confusion Matrix:")
print(cm)

# নতুন ছাত্রের ডেটা দিয়ে Predict করি
naya_chhatra = np.array([[6, 75, 68]])  # 6 ঘণ্টা, 75% উপস্থিতি, 68 নম্বর

pred = model.predict(naya_chhatra)[0]
prob = model.predict_proba(naya_chhatra)[0][1]

print(f"ফলাফল: {'✅ পাস' if pred==1 else '❌ ফেল'}")
print(f"পাসের সম্ভাবনা: {prob:.2%}")