সঠায়িক ডেটা মাইনিং কৌশল
সঠায়িক ডেটা মাইনিংর বিভিন্ন কৌশল রয়েছে:
রিগ্রেশন (Regression)
এই পদ্ধতিগুলো এক বা একাধিক প্রেডিক্টর (স্বতন্ত্র) ভেরিয়েবল থেকে একটি রেসপন্স (আশ্রিত) ভেরিয়েবলের মান পূর্বাভাস দিতে ব্যবহৃত হয় যেখানে ভেরিয়েবলগুলো সংখ্যাসূচক। রিগ্রেশনের বিভিন্ন রূপ রয়েছে, যেমন: লিনিয়ার, মাল্টিপল, ওজনযুক্ত, পলিনোমিয়াল, ননপ্যারামেট্রিক, এবং রবাস্ট (রবাস্ট কৌশল তখন উপকারী যখন এরর Нормалিটি শর্ত পূরণ করে না বা ডেটা উল্লেখযোগ্য বহির্ভূত মান ধারণ করে)।
জেনারেলাইজড লিনিয়ার মডেল (Generalized linear models)
এই মডেলগুলো, এবং তাদের জেনারেলাইজেশন (জেনারেলাইজড অ্যাডিটিভ মডেল), একটি ক্যাটাগরিক্যাল রেসপন্স ভেরিয়েবল (বা এর কোনো ট্রান্সফরমেশন) কে প্রেডিক্টর ভেরিয়েবল একটি সেটের সাথে সংযুক্ত করতে সক্ষম করে যেমন সংখ্যাসূচক রেসপন্স ভেরিয়েবল মডেলিং লিনিয়ার রিগ্রেশন ব্যবহার করে। জেনারেলাইজড লিনিয়ার মডেলে লজিস্টিক রিগ্রেশন এবং পয়সন রিগ্রেশন থাকে।
ভেরিয়েন্স বিশ্লেষণ (Analysis of variance)
এই পদ্ধতিগুলো পরীক্ষামূলক ডেটা বিশ্লেষণ করে দুটি বা অধিক জনসংখ্যার জন্য যা একটি সংখ্যাসূচক রেসপন্স ভেরিয়েবল এবং এক বা একাধিক ক্যাটাগরিক্যাল ভেরিয়েবল (ফ্যাক্টর) দ্বারা সংজ্ঞায়িত। সাধারণত, একটি ANOVA (সিঙ্গেল-ফ্যাক্টর অ্যানালাইসিস অফ ভেরিয়েন্স) সমস্যায় k জনসংখ্যা বা চিকিৎসা সংজ্ঞার তুলনা থাকে যাতে কমপক্ষে দুটির গড় ভিন্ন কিনা তা নির্ধারণ করা যায়।
মিক্সড-ইফেক্ট মডেল (Mixed-effect models)
এই মডেলগুলো গোষ্ঠীবদ্ধ ডেটা বিশ্লেষণের জন্য — ডেটা যা এক বা একাধিক গোষ্ঠীভাগ ভেরিয়েবল অনুযায়ী ক্যাটাগরাইজ করা যায়। সেগুলো সাধারণত একটি রেসপন্স ভেরিয়েবল এবং ডেটায় কিছু কোভেরিয়েটের মধ্যে সম্পর্ক সংজ্ঞায়িত করে এক বা একাধিক ফ্যাক্টর অনুযায়ী গোষ্ঠীবদ্ধ। সাধারণ অ্যাপ্লিকেশন এলাকাঃ মাল্টিলেভেল ডেটা, রিপিটেড মেজার্স ডেটা, ব্লক ডিজাইন, এবং লองজিচュডিনাল ডেটা।
ফ্যাক্টর বিশ্লেষণ (Factor analysis)
এই পদ্ধতিটি নির্ধারণ করতে পারে কোন ভেরিয়েবলগুলো মিলে একটি প্রদত্ত ফ্যাক্টর তৈরি করে। উদাহরণস্বরূপ, কিছু মানসিক ডেটার জন্য, সরাসরি একটি নির্দিষ্ট ফ্যাক্টর (যেমন: বুদ্ধিমত্তা) মাপা সম্ভব নয়; তবে, আগ্রহের ফ্যাক্টরকে প্রতিফলিত করা অন্যান্য পরিমাণ (যেমন: ছাত্র পরীক্ষার স্কোর) মাপা সম্ভব। এখানে, কোনো ভেরিয়েবল আশ্রিত হিসেবে নির্ধারিত নয়।
ডিসক্রিমিন্যান্ট বিশ্লেষণ (Discriminant analysis)
এই পদ্ধতিটি একটি ক্যাটাগরিক্যাল রেসপন্স ভেরিয়েবল পূর্বাভাস দিতে পারে। জেনারেলাইজড লিনিয়ার মডেলের বিপরীতে, এটি অনুমান করে যে স্বতন্ত্র ভেরিয়েবলগুলো একটি মাল্টিভেরিয়েট নরমাল বিতরণ অনুসরণ করে।
প্রক্রিয়াটি কিছু ডিসক্রিমিন্যান্ট ফাংশন (স্বতন্ত্র ভেরিয়েবল구의 লিনিয়ার কোম্বিনেশন) নির্ধারণ করার চেষ্টা করে যা রেসপন্স ভেরিয়েবল দ্বারা উপস্থাপিত গোষ্ঠীগুলোর মধ্যে পার্থক্য করে। ডিসক্রিমিন্যান্ট বিশ্লেষণ সাধারণত সামাজিক বিজ্ঞানে ব্যবহৃত হয়।
টাইম সিরিজ বিশ্লেষণ (Time series analysis)
টাইম-সিরিজ ডেটা বিশ্লেষণের জন্য কিছু সঠায়িক কৌশল রয়েছে, যেমন: অটো-রিগ্রেশন পদ্ধতি, ইউনিভেরিয়েট ARIMA (অটোরিগ্রেসিভ ইন্টিগ্রেটেড মুভিং এভারেজ) মডেলিং, এবং লং-মেমরি টাইম-সিকোয়েন্স মডেলিং।
সারভাইভাল বিশ্লেষণ (Survival analysis)
সারভাইভাল বিশ্লেষণের জন্য কিছু সুপ্রতিষ্ঠিত সঠায়িক পদ্ধতি রয়েছে। এই পদ্ধতিগুলো প্রাথমিকভাবে ডিজাইন করা হয়েছিল একটি রোগী যিনি চিকিৎসাধীন আছেন, কমপক্ষে সময় t পর্যন্ত বাঁচার সম্ভাবনা পূর্বাভাস দিতে।
গুণগত নিয়ন্ত্রণ (Quality control)
গুণগত নিয়ন্ত্রণের চার্ট তৈরির জন্য কিছু পরিসংখ্যান ব্যবহার করা যেতে পারে, যেমন: শুহার্ট চার্ট এবং CUSUM চার্ট (যে দুটোই গোষ্ঠী সারসংক্ষেপ পরিসংখ্যান প্রদর্শন করে)। এই পরিসংখ্যানগুলিতে রয়েছে: গড়, স্ট্যান্ডার্ড ডেভিয়েশন, রেঞ্জ, কাউন্ট, মুভিং এভারেজ, মুভিং স্ট্যান্ডার্ড ডেভিয়েশন, এবং মুভিং রেঞ্জ।
