ক্লাসিফিকেশন একটি ডেটা মাইনিং পদ্ধতি যা ডেটা ইনস্ট্যান্সের গ্রুপ মেম্বারশিপ প্রেডিক্ট করতে ব্যবহৃত হয়। এটি একটি টু-স্টেপ প্রসেস। প্রথম ধাপে, একটি মডেল তৈরি করা হয় যা একটি পূর্বনির্ধারিত সেট অফ ডেটা ক্লাস বা পদ্ধতি ডিফাইন করে। মডেলটি ডেটাবেস টাপল বিবেচনা করে ডেভেলপ করা হয় যা অ্যাট্রিবিউট দ্বারা ডিফাইন করা হয়।
প্রতিটি টাপল একটি পূর্বনির্ধারিত ক্লাসে বিলং করছে বলে মনে করা হয়, যেটি অ্যাট্রিবিউটের একটি দ্বারা নির্ধারিত হয়, যাকে ক্লাস লেবেল অ্যাট্রিবিউট বলা হয়। ক্লাসিফিকেশনের ফ্রেমওয়ার্কে, ডেটা টাপলগুলোকেও স্যাম্পলস, উদাহরণ, বা অবজেক্ট বলা হয়। মডেল ডেভেলপ করতে যেসব ডেটা টাপল অ্যানালাইসিস করা হয় সেগুলো মিলে ট্রেনিং ডেটা সেট তৈরি করে। ট্রেনিং সেট বানানো একক টাপলগুলোকে ট্রেনিং স্যাম্পল বলা হয় এবং স্যাম্পল পপুলেশন থেকে ক্যাজুয়ালি বেছে নেওয়া হয়।
যেহেতু প্রতিটি ট্রেনিং স্যাম্পলের ক্লাস লেবেল সমর্থিত, এই প্রসেসকে সুপারভাইজড লার্নিং বলা হয়। আনসুপারভাইজড লার্নিং-এ, ট্রেনিং স্যাম্পলদের ক্লাস লেবেল অজানা থাকে, এবং শিখতে হবে এমন একাধিক ক্লাস আগে থেকে জানা নাও থাকতে পারে।
শিখা মডেলটি ক্লাসিফিকেশন রুল, ডিসিশন ট্রি, বা নিউমেরিক্যাল ফর্মুলার স্ট্রাকচারে বর্ণনা করা হয়। উদাহরণস্বরূপ, যেকোনো ইউজার ক্রেডিট ডেটা ডেটাবেস দিয়ে, ক্লাসিফিকেশন রুল শিখা যায় ইউজারদের সেরা বা ফেয়ার ক্রেডিট রেটিং চিহ্নিত করতে। রুলগুলো ফিউচার ডেটা স্যাম্পল ক্লাসিফাই করতে এবং ডেটাবেস কন্টেন্টসের ভালো বোঝাপড়া সাপোর্ট করতে ব্যবহার করা যায়।
হোল্ডআউট মেথড একটি সহজ টেকনিক যা ক্লাস-লেবেলড স্যাম্পলসের একটি টেস্ট সেট প্রয়োগ করে। এই স্যাম্পলস র্যান্ডমলি চয়ন করা হয় এবং ট্রেনিং স্যাম্পলস থেকে স্বতন্ত্র। একটি মডেলের একটি দিয়ে गये টেস্ট সেটে এফিশিয়েন্সি হলো টেস্ট সেট স্যাম্পলসের পারসেন্টেজ যেগুলো মডেল দ্বারা সঠিকভাবে রেস্ট্রিক্টেড হয়। প্রতিটি টেস্ট স্যাম্পলের জন্য, ফেমাস ক্লাস লেবেল আলাদা করা হয় শিখা মডেলের ক্লাস প্রেডিকশনসাথে সেটি স্যাম্পলের জন্য।
যদি মডেলের এফিশিয়েন্সি ট্রেনিং ডেটা সেট ভিত্তিক অনুমান করা হয়, তবে এই এস্টিমেট অপ্টিমিস্টিক হতে পারে কারণ শিখা মডেল ইনফরমেশনের ওভারফিট করতে পারে (অর্থাৎ, এতে ট্রেনিং ইনফরমেশনের কিছু স্পেসিফিক অ্যানোমালি অন্তর্ভুক্ত থাকতে পারে যা কমপ্লিট স্যাম্পল পপুলেশনে উপস্থিত নয়)। তাই, একটি টেস্ট সেট ব্যবহার করা হয়।
লার্নিং (Learning): ট্রেনিং ইনফরমেশন একটি ক্লাসিফিকেশন অ্যালগরিদম দ্বারা অ্যানালাইজ করা হয়। এখানে, ক্লাস লেবেল অ্যাট্রিবিউট হলো ক্রেডিট রেটিং, এবং শিখা মডেল বা ক্লাসিফায়ার ক্লাসিফিকেশন রুলের স্ট্রাকচারে বর্ণনা করা হয়।
ক্লাসিফিকেশন (Classification): টেস্ট ডেটা ব্যবহার করা হয় ক্লাসিফিকেশন রুলের এফিশিয়েন্সি মাপতে। যদি এফিশিয়েন্সি গ্রহণযোগ্য মনে হয়, তবে রুলগুলো নতুন ডেটা টাপল ক্লাসিফাই করতে ব্যবহার করা যেতে পারে।
