مکین لرننگ - ڈیسیشن ٹر


ਡੀਸੀਜਨ ਟਰੀ (Decision Tree)

ਇਸ ਖੰਡ ਵਿੱਚ, ਅਸੀਂ ਤੁਹਾਨੂੰ ਦਿਖਾਵਾਂਗੇ ਕਿ ਕਿਵੇਂ 'ਡੀਸੀਜਨ ਟਰੀ' ਬਣਾਈ ਜਾਵੇ। ਡੀਸੀਜਨ ਟਰੀ ਇੱਕ ਪ੍ਰੋਸੈੱਸ ਗਰਾਫ ਹੈ ਜਿਸ ਨਾਲ ਪਹਿਲਾਂ ਦੇ ਅਨੁਭਵ ਦੇ ਅਧਾਰ 'ਤੇ ਤੁਸੀਂ ਫੈਸਲਾ ਲੈ ਸਕਦੇ ਹੋ।

ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਇੱਕ ਵਿਅਕਤੀ ਉਸਨੂੰ ਨਿਸ਼ਚਿਤ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੇਗਾ ਕਿ ਉਹ ਕਮੇਡੀ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਹਿੱਸਾ ਲੈਣਾ ਚਾਹੇ ਜਾਂ ਨਹੀਂ。

ਸੁਭਾਵਿਕ ਹੈ ਕਿ ਸਾਡੇ ਮਾਮਲੇ ਵਿੱਚ ਵਿਅਕਤੀ ਹਰ ਵਾਰ ਜਦੋਂ ਗੁਆਂਢ ਵਿੱਚ ਕਮੇਡੀ ਪ੍ਰੋਗਰਾਮ ਕਰਵਾਉਂਦਾ ਹੈ ਤਾਂ ਉਹ ਰਜਿਸਟਰ ਕਰਦਾ ਹੈ ਅਤੇ ਕਮੇਡੀ ਐਕਟਰਾਂ ਬਾਰੇ ਕੁਝ ਜਾਣਕਾਰੀ ਰਜਿਸਟਰ ਕਰਦਾ ਹੈ ਅਤੇ ਉਸਨੂੰ ਸੂਚਿਤ ਕਰਦਾ ਹੈ ਕਿ ਉਹ ਕਦੇ ਗਿਆ ਹੈ ਜਾਂ ਨਹੀਂ。

ਉਮਰ ਅਨੁਭਵ Rank Nationality Go
36 10 9 UK NO
42 12 4 USA NO
23 4 6 N NO
52 4 4 USA NO
43 21 8 USA YES
44 14 5 UK NO
66 3 7 N YES
35 14 9 UK YES
52 13 7 N YES
35 5 9 N YES
24 3 5 USA NO
18 3 7 UK YES
45 9 9 UK YES

现在，基于此数据集，Python 可以创建决策树，这个决策树可用于决定是否值得参加任何新的演出。

工作原理

首先，导入所需的模块，并使用 pandas 读取数据集：

ਇੰਸਟੈਂਸ

读取并打印数据集：

import pandas
from sklearn import tree
import pydotplus
from sklearn.tree import DecisionTreeClassifier
import matplotlib.pyplot as plt
import matplotlib.image as pltimg
df = pandas.read_csv("shows.csv")
print(df)

ਇੰਸਟੈਂਸ ਚਲਾਓ

如需制作决策树，所有数据都必须是数字。

我们必须将非数字列 “Nationality” 和 “Go” 转换为数值。

Pandas 有一个 map() 方法，该方法接受字典，其中包含有关如何转换值的信息。

{'UK': 0, 'USA': 1, 'N': 2}

表示将值 'UK' 转换为 0，将 'USA' 转换为 1，将 'N' 转换为 2。

ਇੰਸਟੈਂਸ

将字符串值更改为数值：

d = {'UK': 0, 'USA': 1, 'N': 2}
df['Nationality'] = df['Nationality'].map(d)
d = {'YES': 1, 'NO': 0}
df['Go'] = df['Go'].map(d)
print(df)

ਇੰਸਟੈਂਸ ਚਲਾਓ

然后，我们必须将特征列与目标列分开。

特征列是我们尝试从中预测的列，目标列是具有我们尝试预测的值的列。

ਇੰਸਟੈਂਸ

X 是特征列，y 是目标列：

features = ['Age', 'Experience', 'Rank', 'Nationality']
X = df[features]
y = df['Go']
print(X)
print(y)

ਇੰਸਟੈਂਸ ਚਲਾਓ

现在，我们可以创建实际的决策树，使其适合我们的细节，然后在计算机上保存一个 .png 文件：

ਇੰਸਟੈਂਸ

ਇੱਕ ਕਮੇਡੀ ਟ੍ਰੀ ਬਣਾਓ, ਉਸ ਨੂੰ ਚਿੱਤਰ ਵਜੋਂ ਸੰਭਾਲੋ ਅਤੇ ਇਸ ਨੂੰ ਵਿਖਾਓ:

dtree = DecisionTreeClassifier()
dtree = dtree.fit(X, y)
data = tree.export_graphviz(dtree, out_file=None, feature_names=features)
graph = pydotplus.graph_from_dot_data(data)
graph.write_png('mydecisiontree.png')
img=pltimg.imread('mydecisiontree.png')
imgplot = plt.imshow(img)
plt.show()

ਇੰਸਟੈਂਸ ਚਲਾਓ

ਨਤੀਜਾ ਵਿਆਖਿਆ

ਕਮੇਡੀ ਐਕਟਰ ਦੇ ਜਾਣਨ ਵਾਲੇ ਮੌਕੇ ਨੂੰ ਤੁਸੀਂ ਕਿਉਂ ਦੇਖਣਾ ਚਾਹੁੰਦੇ ਹੋ ਉਸ ਦਾ ਪ੍ਰਮਾਣ ਤੁਸੀਂ ਪਹਿਲਾਂ ਦੇ ਫੈਸਲਿਆਂ ਦੀ ਮਦਦ ਨਾਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ。

ਹਾਲੰਕਿ ਤਸਵੀਰ ਪੜ੍ਹੀਏ:


Rank

Rank <= 6.5 ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਰੈਂਕ 6.5 ਤੋਂ ਘੱਟ ਦੇ ਕਮੇਡੀ ਐਕਟਰ ਫਿਰ ਨਿਰਦੇਸ਼ਿਤ ਕੀਤੇ ਜਾਣਗੇ True ਤੀਰ (ਖੱਬੇ ਤਰਫ਼), ਬਾਕੀ ਤਾਂ ਫਿਰ ਨਿਰਦੇਸ਼ਿਤ ਕੀਤਾ ਜਾਵੇਗਾ False ਤੀਰ (ਸੱਜੇ ਤਰਫ਼)

gini = 0.497 ਇਹ ਵੰਡ ਦੀ ਗੁਣਵੱਤਾ ਦਰਸਾਉਂਦਾ ਹੈ ਅਤੇ ਹਮੇਸ਼ਾ 0.0 ਤੋਂ 0.5 ਤੱਕ ਦਾ ਨੰਬਰ ਹੈ, ਜਿਸ ਵਿੱਚ 0.0 ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਸਾਰੇ ਨਮੂਨੇ ਇੱਕ ਹੀ ਨਤੀਜੇ ਦਾ ਪ੍ਰਾਪਤ ਕਰੇਗਾ, ਜਦਕਿ 0.5 ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਵੰਡ ਪੂਰੀ ਤਰ੍ਹਾਂ ਮੱਧ ਵਿੱਚ ਕੀਤੀ ਗਈ ਹੈ。

samples = 13 ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਫੈਸਲੇ ਦੇ ਇਸ ਮੋਮੰਟ ਵਿੱਚ 13 ਕਮੇਡੀ ਐਕਟਰ ਬਚੇ ਹਨ ਕਿਉਂਕਿ ਇਹ ਪਹਿਲਾ ਕਦਮ ਹੈ, ਇਸ ਲਈ ਉਹ ਸਾਰੇ ਕਮੇਡੀ ਐਕਟਰ ਹਨ。

value = [6, 7] ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਇਨ੍ਹਾਂ 13 ਕਮੇਡੀ ਐਕਟਰਾਂ ਵਿੱਚੋਂ 6 ਨੂੰ \

Gini

ਨਮੂਨੇ ਵੰਡਣ ਦੀਆਂ ਕਈ ਤਰ੍ਹਾਂ ਹਨ, ਅਸੀਂ ਇਸ ਟਰੇਨਲ ਵਿੱਚ GINI ਮੈਥੋਡ ਵਰਤੀਆਂ ਹਨ。

ਗਿਨੀ ਮੈਥੋਡ ਨਿਮਨ ਫਾਰਮੂਲੇ ਦੀ ਮਦਦ ਨਾਲ ਵਰਤੀ ਜਾਂਦੀ ਹੈ:

ਜਿਸ ਵਿੱਚ x ਨੂੰ ਪ੍ਰਸ਼ੰਸਾ ਦੇ ਜਵਾਬਾਂ ਦੀ ਸੰਖਿਆ (\

1 - (7 / 13)2 - (6 / 13)2 = 0.497


ਅਗਲਾ ਕਦਮ ਦੋ ਬੋਕਸ ਕਰਦਾ ਹੈ, ਇੱਕ ਬੋਕਸ ਕਮੇਡੀ ਐਕਟਰ ਲਈ, ਜਿਸ ਦਾ 'ਰੈਂਕ' 6.5 ਜਾਂ ਘੱਟ ਹੈ, ਬਾਕੀ ਇੱਕ ਬੋਕਸ ਹੈ。

True - 5 ਕਮੇਡੀ ਐਕਟਰ ਇੱਥੇ ਸਮਾਪਤ ਹੋਏ:

gini = 0.0 ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਸਾਰੇ ਨਮੂਨੇ ਇੱਕ ਹੀ ਨਤੀਜੇ ਦਾ ਪ੍ਰਾਪਤ ਕਰੇਗਾ。

samples = 5 ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਇਸ ਸ਼ਾਖੇ ਵਿੱਚ ਇੱਕ ਹੋਰ ਵਿੱਚ 5 ਕਮੇਡੀ ਐਕਟਰ ਬਚੇ ਹਨ (5 ਕਮੇਡੀ ਐਕਟਰਾਂ ਦਾ ਰੈਂਕ 6.5 ਜਾਂ ਘੱਟ ਹੈ)。

value = [5, 0] 5 ਨੂੰ "NO" ਮਿਲੇਗਾ ਅਤੇ 0 ਨੂੰ "GO" ਮਿਲੇਗਾ。

False - 8 ਨਾਟਕਕਾਰ ਜਾਰੀ ਰਹਿੰਦੇ ਹਨ:

Nationality（ਦੇਸ਼）

Nationality <= 0.5 ਇਹ ਮਤਲਬ ਹੈ ਕਿ ਦੇਸ਼ ਦਾ ਮੁੱਲ 0.5 ਤੋਂ ਘੱਟ ਹੋਣ ਵਾਲੇ ਨਾਟਕਕਾਰ ਖੱਬੇ ਹੱਥ ਦੇ ਨਿਰਦੇਸ਼ ਨੂੰ ਅਨੁਸਰਣ ਕਰਨਗੇ (ਇਹ ਬ੍ਰਿਟੇਨ ਦੇ ਸਾਰੇ ਲੋਕਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ)，ਬਾਕੀ ਨਾਲ ਸੱਜੇ ਹੱਥ ਦੇ ਨਿਰਦੇਸ਼ ਨੂੰ ਅਨੁਸਰਣ ਕਰਨਗੇ。

gini = 0.219 ਮਤਲਬ ਹੈ ਕਿ ਲਗਭਗ 22% ਦੇ ਮਿਸਾਲ ਇੱਕ ਦਿਸ਼ਾ ਵਿੱਚ ਹੋਣਗੇ。

samples = 8 ਇਹ ਮਤਲਬ ਹੈ ਕਿ ਇਸ ਸ਼ਾਖੇ ਵਿੱਚ ਇਕ ਹੋਰ 8 ਨਾਟਕਕਾਰ ਬਚੇ ਹਨ (8 ਨਾਟਕਕਾਰ ਜਿਨ੍ਹਾਂ ਦੀ ਰੈਟਿੰਗ 6.5 ਤੋਂ ਉੱਪਰ ਹੈ)。

value = [1, 7] ਇਹ ਮਤਲਬ ਹੈ ਕਿ ਇਨ੍ਹਾਂ 8 ਨਾਟਕਕਾਰਾਂ ਵਿੱਚੋਂ 1 ਨੂੰ "NO" ਮਿਲੇਗਾ ਅਤੇ 7 ਨੂੰ "GO" ਮਿਲੇਗਾ。


True - 4 ਨਾਟਕਕਾਰ ਜਾਰੀ ਰਹਿੰਦੇ ਹਨ:

Age（ਉਮਰ）

Age <= 35.5 ਇਹ ਮਤਲਬ ਹੈ ਕਿ 35.5 ਸਾਲ ਤੋਂ ਘੱਟ ਉਮਰ ਵਾਲੇ ਨਾਟਕਕਾਰ ਖੱਬੇ ਹੱਥ ਦੇ ਨਿਰਦੇਸ਼ ਨੂੰ ਅਨੁਸਰਣ ਕਰਨਗੇ ਅਤੇ ਬਾਕੀ ਨਾਲ ਸੱਜੇ ਹੱਥ ਦੇ ਨਿਰਦੇਸ਼ ਨੂੰ ਅਨੁਸਰਣ ਕਰਨਗੇ。

gini = 0.375 ਮਤਲਬ ਹੈ ਕਿ ਲਗਭਗ 37.5% ਦੇ ਮਿਸਾਲ ਇੱਕ ਦਿਸ਼ਾ ਵਿੱਚ ਹੋਣਗੇ。

samples = 4 ਇਹ ਮਤਲਬ ਹੈ ਕਿ ਇਸ ਸ਼ਾਖੇ ਵਿੱਚ ਇਕ ਹੋਰ 4 ਨਾਟਕਕਾਰ ਬਚੇ ਹਨ (ਬ੍ਰਿਟੇਨ ਦੇ 4 ਨਾਟਕਕਾਰ)。

value = [1, 3] ਇਹ ਮਤਲਬ ਹੈ ਕਿ ਇਨ੍ਹਾਂ 4 ਨਾਟਕਕਾਰਾਂ ਵਿੱਚੋਂ 1 ਨੂੰ "NO" ਮਿਲੇਗਾ ਅਤੇ 3 ਨੂੰ "GO" ਮਿਲੇਗਾ。

False - 4 ਨਾਟਕਕਾਰ ਇੱਥੇ ਮੁਕਮਲ ਕਰਦੇ ਹਨ:

gini = 0.0 ਇਹ ਇਹ ਹੈ ਕਿ ਸਾਰੇ ਮਾਪਦੰਡ ਨਤੀਜੇ ਇੱਕ ਸਮਾਨ ਹਨ。

samples = 4 ਇਹ ਮਤਲਬ ਹੈ ਕਿ ਇਸ ਸ਼ਾਖੇ ਵਿੱਚ ਇਕ ਹੋਰ 4 ਨਾਟਕਕਾਰ ਬਚੇ ਹਨ (ਬ੍ਰਿਟੇਨ ਦੇ 4 ਨਾਟਕਕਾਰ)。

value = [0, 4] ਇਹ ਮਤਲਬ ਹੈ ਕਿ ਇਨ੍ਹਾਂ 4 ਨਾਟਕਕਾਰਾਂ ਵਿੱਚੋਂ 0 ਨੂੰ "NO" ਮਿਲੇਗਾ ਅਤੇ 4 ਨੂੰ "GO" ਮਿਲੇਗਾ。


True - 2 ਨਾਟਕਕਾਰ ਇੱਥੇ ਮੁਕਮਲ ਕਰਦੇ ਹਨ:

gini = 0.0 ਇਹ ਇਹ ਹੈ ਕਿ ਸਾਰੇ ਮਾਪਦੰਡ ਨਤੀਜੇ ਇੱਕ ਸਮਾਨ ਹਨ。

samples = 2 ਇਹ ਮਤਲਬ ਹੈ ਕਿ ਇਸ ਸ਼ਾਖੇ ਵਿੱਚ ਇਕ ਹੋਰ 2 ਨਾਟਕਕਾਰ ਬਚੇ ਹਨ (2 ਨਾਟਕਕਾਰ ਜਿਨ੍ਹਾਂ ਦੀ ਉਮਰ 35.5 ਤੋਂ ਘੱਟ ਹੈ)。

value = [0, 2] ਇਹ ਮਤਲਬ ਹੈ ਕਿ ਇਨ੍ਹਾਂ 2 ਨਾਟਕਕਾਰਾਂ ਵਿੱਚੋਂ 0 ਨੂੰ "NO" ਮਿਲੇਗਾ ਅਤੇ 2 ਨੂੰ "GO" ਮਿਲੇਗਾ。

False - 2 ਨਾਟਕਕਾਰ ਜਾਰੀ ਰਹਿੰਦੇ ਹਨ:

Experience（ਤਜਰਬੇ）

Experience <= 9.5 ਇਹ ਮਤਲਬ ਹੈ ਕਿ 9.5 ਸਾਲ ਤੋਂ ਵੱਧ ਤਜਰਬੇ ਵਾਲੇ ਨਾਟਕਕਾਰ ਖੱਬੇ ਹੱਥ ਦੇ ਨਿਰਦੇਸ਼ ਨੂੰ ਅਨੁਸਰਣ ਕਰਨਗੇ ਅਤੇ ਬਾਕੀ ਨਾਲ ਸੱਜੇ ਹੱਥ ਦੇ ਨਿਰਦੇਸ਼ ਨੂੰ ਅਨੁਸਰਣ ਕਰਨਗੇ。

gini = 0.5 ਇਹ ਮਤਲਬ ਹੈ ਕਿ 50% ਦੇ ਮਿਸਾਲ ਇੱਕ ਦਿਸ਼ਾ ਵਿੱਚ ਹੋਣਗੇ。

samples = 2 ਇਹ ਮਤਲਬ ਹੈ ਕਿ ਇਸ ਸ਼ਾਖੇ ਵਿੱਚ ਇਕ ਹੋਰ 2 ਨਾਟਕਕਾਰ ਬਚੇ ਹਨ (2 ਨਾਟਕਕਾਰ ਜਿਨ੍ਹਾਂ ਦੀ ਉਮਰ 35.5 ਤੋਂ ਵੱਧ ਹੈ)。

value = [1, 1] ਇਹ ਮਤਲਬ ਹੈ ਕਿ ਇਨ੍ਹਾਂ 2 ਨਾਟਕਕਾਰਾਂ ਵਿੱਚੋਂ 1 ਨੂੰ "NO" ਮਿਲੇਗਾ ਅਤੇ 1 ਨੂੰ "GO" ਮਿਲੇਗਾ。


True - 1 ਨਾਟਕਕਾਰ ਇੱਥੇ ਮੁਕਮਲ ਕਰਦਾ ਹੈ:

gini = 0.0 ਇਹ ਇਹ ਹੈ ਕਿ ਸਾਰੇ ਮਾਪਦੰਡ ਨਤੀਜੇ ਇੱਕ ਸਮਾਨ ਹਨ。

samples = 1 ਇਹ ਇਹ ਹੈ ਕਿ ਇਸ ਸ਼ਾਖੇ ਵਿੱਚ ਇੱਕ ਹਾਸਯਾਸਕ ਕਲਾਕਾਰ ਬਾਕੀ ਹੈ (ਜਿਸ ਵਿੱਚੋਂ ਇੱਕ ਹਾਸਯਾਸਕ ਕਲਾਕਾਰ ਨੇ 9.5 ਸਾਲ ਤੋਂ ਘੱਟ ਅਨੁਭਵ ਹੈ)。

value = [0, 1] ਇਹ ਇਹ ਹੈ ਕਿ 0 ਨੂੰ "NO" ਦੱਸਦਾ ਹੈ, 1 ਨੂੰ "GO" ਦੱਸਦਾ ਹੈ。

False - 1 ਹਾਸਯਾਸਕ ਕਲਾਕਾਰ ਇੱਥੇ ਪਹੁੰਚ ਗਿਆ:

gini = 0.0 ਇਹ ਇਹ ਹੈ ਕਿ ਸਾਰੇ ਮਾਪਦੰਡ ਨਤੀਜੇ ਇੱਕ ਸਮਾਨ ਹਨ。

samples = 1 ਇਹ ਇਹ ਹੈ ਕਿ ਇਸ ਸ਼ਾਖੇ ਵਿੱਚ ਇੱਕ ਹਾਸਯਾਸਕ ਕਲਾਕਾਰ ਬਾਕੀ ਹੈ (ਜਿਸ ਵਿੱਚੋਂ ਇੱਕ ਹਾਸਯਾਸਕ ਕਲਾਕਾਰ ਨੇ 9.5 ਸਾਲ ਤੋਂ ਵੱਧ ਅਨੁਭਵ ਹੈ)。

value = [1, 0] 1 ਨੂੰ "NO" ਦੱਸਦਾ ਹੈ, 0 ਨੂੰ "GO" ਦੱਸਦਾ ਹੈ。

ਭਵਿੱਖਬਾਣੀ ਮੁੱਲ

ਅਸੀਂ ਫੈਸਲਾ ਬੁੱਧੀ ਦੀ ਮਦਦ ਨਾਲ ਨਵੇਂ ਮੁੱਲਾਂ ਨੂੰ ਭਵਿੱਖਬਾਣੀ ਕਰ ਸਕਦੇ ਹਾਂ。

ਉਦਾਹਰਣ: ਮੈਂ 40 ਸਾਲ ਦੇ ਅਮਰੀਕੀ ਹਾਸਯਾਸਕ ਕਲਾਕਾਰ ਦਾ ਪ੍ਰੋਗਰਾਮ ਦੇਖਣਾ ਚਾਹਾਂਗਾ, ਜਿਸ ਨੇ 10 ਸਾਲ ਤੋਂ ਵੱਧ ਅਨੁਭਵ ਹੈ ਅਤੇ ਹਾਸਯਾਸਕ ਰੈਂਕਿੰਗ 7 ਹੈ?

ਇੰਸਟੈਂਸ

ਵਰਤੋਂ predict() ਨਵੇਂ ਮੁੱਲਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਦੇ ਤਰੀਕੇ

print(dtree.predict([[40, 10, 7, 1]]))

ਇੰਸਟੈਂਸ ਚਲਾਓ

ਇੰਸਟੈਂਸ

ਯਾਦਰਾਸ਼ਟਰੀ ਪੱਧਰ 6 ਹੈ, ਜਵਾਬ ਕੀ ਹੋਵੇਗਾ?

print(dtree.predict([[40, 10, 6, 1]]))

ਇੰਸਟੈਂਸ ਚਲਾਓ

ਵੱਖ-ਵੱਖ ਨਤੀਜੇ

ਜੇਕਰ ਕਾਫੀ ਵਾਰ ਚਲਾਇਆ ਜਾਵੇ ਤਾਂ, ਸਾਡੇ ਦਾਤਾ ਦਾਤਾ ਹੋਣ ਦੇ ਹਾਲਾਂਕਿ, ਫੈਸਲਾ ਬੁੱਧੀ ਵੱਖ-ਵੱਖ ਨਤੀਜੇ ਪ੍ਰਦਾਨ ਕਰੇਗੀ。

ਇਹ ਇਹ ਹੈ ਕਿ ਫੈਸਲਾ ਬੁੱਧੀ ਸਾਨੂੰ 100％ ਨਿਸ਼ਚਿਤ ਜਵਾਬ ਨਹੀਂ ਦੇ ਸਕਦੀ।ਇਹ ਨਤੀਜੇ ਦੀ ਸੰਭਾਵਨਾ ਉੱਤੇ ਅਧਾਰਿਤ ਹੈ, ਜਵਾਬ ਵੱਖ-ਵੱਖ ਹੋ ਸਕਦੇ ਹਨ。