ডেটা মাইনিং হলো রিপোজিটরিতে সংরক্ষিত বিশাল পরিমাণ ডেটার মাধ্যমে nyttig নতুন সম্পর্ক, প্যাটার্ন এবং ট্রেন্ড খুঁজে বের করার প্রক্রিয়া, যেখানে প্যাটার্ন স্বীকৃতি প্রযুক্তি, পরিসংখ্যানীয় এবং গাণিতিক কৌশল ব্যবহার করা হয়। এটি সত্যিক ডেটাসেটের বিশ্লেষণ যা অসামান্য সম্পর্ক আবিষ্কার করতে এবং রেকর্ডهاকে নতুন পদ্ধতিতে সারসংক্ষেপ করতে সাহায্য করে, যা ডেটা মালিকের জন্য যৌক্তিক এবং উপকারী।
ডেটা মাইনিং-এর প্রধান ধারণা
শ্রেণীবিন্যাস (Classification)
শ্রেণীবিন্যাস হলো এমন একটি মডেল আবিষ্কারের প্রক্রিয়া যা ডেটা ক্লাস বা ধারণাগুলি উপস্থাপন এবং পার্থক্য করতে পারে, যাতে অজানা ক্লাস লেবেল সম্পন্ন অবজেক্টের ক্লাস প্রেডিক্ট করতে মডেলটি ব্যবহার করা যায়। এই মডেলটি ট্রেনিং রেকর্ডের গোষ্ঠীর (অর্থাৎ যেসব ডেটা অবজেক্টের ক্লাস লেবেল পরিচিত) বিশ্লেষণ ওপর ভিত্তি করে তৈরি হয়।
প্রেডিকশন (Prediction)
প্রেডিকশন শ্রেণীবিন্যাসের সমান, কিন্তু এখানে ফলাফল ভবিষ্যতের জন্য প্রজেক্ট করা হয়।
ব্যবসা ও গবেষণায় প্রেডিকশন ফাংশনের উদাহরণ:
তিন মাস পর একটি স্টকের মান প্রেডিক্ট করা।
গতির সীমা বাড়ালে আগামী বছরে ট্রাফিক মৃত্যুর শতাংশ বৃদ্ধি প্রেডিক্ট করা।
টিম পরিসংখ্যানের पत्रাচারের ভিত্তিতে এই শরতের বেসবল ওয়ার্ল্ড সিরিজের বিজয়ী প্রেডিক্ট করা।
ওষুধ আবিষ্কারে একটি নির্দিষ্ট মলিকুল খরচ-প্রভাবী নতুন ঔষধ তৈরি করবে কিনা তা প্রেডিক্ট করা।
অ্যাসোসিয়েশন নিয়ম ও রিকমেন্ডেশন সিস্টেম (Association Rules and Recommendation Systems)
অ্যাসোসিয়েশন নিয়ম বা অ্যাফিনিটি বিশ্লেষণ বড় ডাটাবেসে আইটেমের মধ্যে সাধারণ অ্যাসোসিয়েশন প্যাটার্ন খুঁজে বের করার জন্য ডিজাইন করা হয়। এই নিয়মগুলো বিভিন্ন পদ্ধতিতে ব্যবহার করা যায়। উদাহরণস্বরূপ, গ্রোসারি স্টোরগুলো পণ্য স্থাপনের জন্য এই তথ্য ব্যবহার করতে পারে।
সপ্তাহিক প্রচারপ্রসার অফার বা পণ্য বান্ডলিং-এর জন্য নিয়মগুলো ব্যবহার করা যায়। রোগীদের المستمر হাসপাতালে ভর্তির সময় লক্ষণগুলোর ওপর হাসপাতালের ডাটাবেস থেকে প্রাপ্ত অ্যাসোসিয়েশন নিয়ম "কোন লক্ষণের পরে কোন লক্ষণ আসে" তা খুঁজে বের করতে সাহায্য করে, যাতে ফিরে আসা রোগীদের ভবিষ্যতের লক্ষণ প্রেডিক্ট করা যায়।
ডেটা রिडাকশন (Data Reduction)
ডেটা মাইনিং বিশাল ডাটাবেসে নির্বাচিত ডেটার ওপর প্রয়োগ করা হয়। যখন বিশাল পরিমাণ রেকর্ডের ওপর ডেটা বিশ্লেষণ ও মাইনিং করা হয়, তবে এটি প্রসেস করার জন্য অনেক বেশি সময় নেয়, যা এটিকে অসম্ভব ও অদূরদর্শী করে দেয়।
ডেটা অ্যানালাইসিসের প্রসেসিং টাইম কমাতে, ডেটা রিডাকশন কৌশল ব্যবহার করা হয় যাতে মূল ডেটার অখণ্ডতা রক্ষা করে ডেটাসেটের একটি কম্প্যাক্ট রিপ্রেজেন্টেশন প্রাপ্ত হয় যা ভলিউমে অনেক ছোট। ডেটা কমানো থেকে ডেটা মাইনিং প্রক্রিয়ার দক্ষতা বেড়ে যায় যা একই বিশ্লেষণ ফলাফল উৎপন্ন করে।
ডেটা রিডাকশন এর লক্ষ্য এটিকে আরও কম্প্যাক্টভাবে সংজ্ঞায়িত করা। ডেটার আকার ছোট হলে, পরিপক্ব এবং কম্পিউটেশনালি ব্যয়বহুল অ্যালগরিদম ব্যবহার করা সহজ হয়। ডেটার রিডাকশন রো (রেকর্ড) বা কলাম (ডাইমেনশন) এর সংখ্যা কমানোর মাধ্যমে হয়।
