পূর্ব থেকে উপযুক্ত উদাহরণ সনাক্ত করার ক্ষমতার উপর ভিত্তি করে অভিজ্ঞতা থেকে যুক্তি করার মানুষের ক্ষমতা। একজন ডাক্তার সংক্রমণ নির্ণয় করছেন, একজন দাবি বিশ্লেষক প্রতারণামূলক বীমা সম্পত্তিকে পতাকাঙ্কিত করছেন, এবং একজন মাশরুম শিকারী নির্দেশ করছেন যে মোরেলস একই পদ্ধতি অনুসরণ করছেন।
প্রত্যেকে প্রথমে অভিজ্ঞতা থেকে একই কেসগুলিকে চিনতে পারে এবং তারপরে সেই পদ্ধতিগুলি সম্পর্কে তাদের জ্ঞানকে হাতের সমস্যাগুলির জন্য ব্যবহার করে। এটি স্মৃতি-ভিত্তিক যুক্তির গুরুত্ব। পরিচিত ডেটার একটি ডাটাবেস অনুসন্ধান করা হয় একটি নতুন ডেটার মতো প্রাক-শ্রেণীবদ্ধ রেকর্ডগুলি আবিষ্কার করার জন্য। এই প্রতিবেশীদের শ্রেণীবিভাগ এবং গণনার জন্য ব্যবহার করা হয়।
মেমরি ভিত্তিক যুক্তির বিভিন্ন অ্যাপ্লিকেশন রয়েছে যা নিম্নরূপ -
জালিয়াতি সনাক্তকরণ - জালিয়াতির নতুন কেসগুলি পরিচিত কেস হিসাবে একই। MBR আরও তদন্তের জন্য তাদের আবিষ্কার এবং পতাকাঙ্কিত করতে পারে৷
গ্রাহকের প্রতিক্রিয়া পূর্বাভাস − একটি অফারে সাড়া দেওয়ার সম্ভাব্য পরবর্তী গ্রাহকরা সম্ভবত পূর্ববর্তী গ্রাহকদের মতো যারা স্বীকার করেছেন। MBR সহজভাবে পরবর্তী সম্ভাব্য গ্রাহকদের চিনতে পারে।
চিকিৎসা চিকিৎসা - একটি প্রদত্ত রোগীর জন্য দক্ষ চিকিত্সা সেই চিকিত্সাই সম্ভব যা একই রোগীদের জন্য সর্বোত্তম ফলাফল দেয়। এমবিআর এমন চিকিত্সা আবিষ্কার করতে পারে যা সর্বোত্তম ফলাফল দেয়।
শ্রেণিবদ্ধ প্রতিক্রিয়াগুলি৷ − ফ্রি-টেক্সট প্রতিক্রিয়া, যার মধ্যে রয়েছে ইউ.এস. সেন্সাস ফর্মের পেশা এবং বাজারের জন্য বা ব্যবহারকারীদের কাছ থেকে আসা অভিযোগগুলি, কোডগুলির একটি নির্দিষ্ট সেটে শ্রেণীবদ্ধ করা প্রয়োজন৷ MBR ফ্রি-টেক্সট প্রক্রিয়া করতে পারে এবং কোড তৈরি করতে পারে।
MBR এর শক্তি হল তথ্য ব্যবহার করার ক্ষমতা। বিভিন্ন ডেটা মাইনিং পদ্ধতির বিপরীতে, এটি ডেটার গঠন সম্পর্কে চিন্তা করে না। এটি শুধুমাত্র দুটি ক্রিয়াকলাপের ধারাবাহিকতা সম্পর্কে চিন্তা করে:একটি দূরত্ব ফাংশন যা কিছু দুটি ডেটার মধ্যে দূরত্ব গণনা করতে সক্ষম এবং একটি সংমিশ্রণ ফাংশন যা একটি উত্তরে উপস্থিত হতে একাধিক প্রতিবেশীর ফলাফলগুলিকে একত্রিত করতে সক্ষম৷
এই ফাংশনগুলি বিভিন্ন ধরণের রেকর্ডের জন্য সংজ্ঞায়িত করা হয়, যেমন ভৌগলিক এলাকা, ছবি এবং বিনামূল্যের পাঠ্য সহ জটিল বা অস্বাভাবিক ডেটা টাইপ সহ রেকর্ড যা অন্যান্য বিশ্লেষণ কৌশলগুলির সাথে পরিচালনা করা সাধারণত জটিল৷
MBR এর দ্বিতীয় শক্তি হল এর পরিবর্তন করার ক্ষমতা। শুধুমাত্র ঐতিহাসিক ডাটাবেসে নতুন রেকর্ড অন্তর্ভুক্ত করা MBR-এর জন্য নতুন উপাদান এবং পূর্ববর্তীগুলির নতুন সংজ্ঞা বোঝার জন্য প্রযোজ্য তৈরি করে। প্রশিক্ষণ বা সঠিক বিন্যাসে ইনকামিং তথ্য ম্যাসেজ করার জন্য দীর্ঘ সময় ব্যয় না করেও MBR সেরা ফলাফল দেয়।
এই সুবিধাগুলি একটি খরচে প্রদর্শিত হয়৷ এমবিআর প্রভাব একটি রিসোর্স হগ হতে পারে কারণ প্রতিবেশীদের আবিষ্কারের জন্য প্রচুর পরিমাণে ঐতিহাসিক রেকর্ড সহজেই উপলব্ধ হওয়া উচিত। নতুন ডেটা শ্রেণীবদ্ধ করার জন্য সমস্ত ঐতিহাসিক ডেটা প্রক্রিয়াকরণের প্রয়োজন হতে পারে সবচেয়ে অনুরূপ প্রতিবেশীদের আবিষ্কার করার জন্য - একটি ইতিমধ্যে-প্রশিক্ষিত নিউরাল নেটওয়ার্ক বা ইতিমধ্যে-নির্মিত সিদ্ধান্ত গাছ ব্যবহার করার চেয়ে আরও ধীর প্রক্রিয়া। ভাল দূরত্ব এবং সংমিশ্রণ ফাংশনগুলি আবিষ্কার করাও কঠিন, যার জন্য কিছুটা পরীক্ষা এবং ত্রুটি এবং অন্তর্দৃষ্টি প্রয়োজন৷
