বিষয়বস্তু বিভাজন (Classification)
বিষয়বস্তু বিভাজন হলো একটি ডেটা-মাইনিং পদ্ধতি যা ডেটার একটি সেটে লেভেল অথোরাইজ করে আরও দক্ষ প্রেডিকশন ও অ্যানালিসিসে সাহায্য করার জন্য। ক্লাসিফিকেশন হলো প্রচুর মেথডের একটি যা হাই ডেটাসেটের অ্যানালিসিস দক্ষ করতে পुँজিবদ্ধ।
"ক্লাসিফিকেশন" সাধারণত তখন ব্যবহৃত হয় যখন সঠিকভাবে দুটি টার্গেট ক্লাস থাকে যাকে বাইনারি ক্লাসিফিকেশন বলা হয়। যখন দুটির বেশি ক্লাস প্রেডিক্ট করা যায়, বিশেষ করে প্যাটার্ন রিকগনিশন সমস্যাগুলোতে, এটাকে মাল্টিনোমিয়াল ক্লাসিফিকেশন বলা হয়। যাইহোক, মাল্টিনোমিয়াল ক্লাসিফিকেশন ডিফিনিটিভ রেসপন্স ডেটার জন্যও ব্যবহৃত হয়, যেখানে একাধিক ক্যাটেগরির মধ্যে কোন ক্যাটেগরিতে সবচেয়ে বেশি প্রোবাবিলিটির ইনস্ট্যান্স আছে তা প্রেডিক্ট করতে হয়।
ক্লাসিফিকেশন ডেটা মাইনিং-এ সবচেয়ে গুরুত্বপূর্ণ উপাদান। এটি উদাহরণগুলোর অ্যাট্রিবিউটের ওপর ভিত্তি করে প্রি-ডিফাইনড ক্লাস লেবেল অ্যাসাইন করার প্রক্রিয়াকে সংজ্ঞায়িত করে। ক্লাসিফিকেশন এবং ক্লাস্টারিংয়ের মধ্যে সাদৃশ্য আছে, দেখতে একই লাগে, কিন্তু এগুলো আলাদা। ক্লাসিফিকেশন এবং ক্লাস্টারিং-এর মধ্যে প্রধান পার্থক্য হলো ক্লাসিফিকেশনে প্রি-ডিফাইনড গ্রুপে সদস্যতার ভিত্তিতে আইটেমগুলোর লেভেলিং করা হয়।
ক্লাস্টারিং (Clustering)
ফিজিক্যাল বা অ্যাবস্ট্রাক্ট অবজেক্টের একটি সেটকে একই ধরনের অবজেক্টের ক্লাসে কম্বাইন করার প্রক্রিয়াকে ক্লাস্টারিং বলা হয়। একটি ক্লাস্টার হলো ডেটা অবজেক্টের একটি সেট যা একই ক্লাস্টারের ভেতরে একো অপরর সাথে একই এবং অন্যান্য ক্লাস্টারের অবজেক্ট থেকে আলাদা। ডেটা অবজেক্টের একটি ক্লাস্টারকে অনেক অ্যাপ্লিকেশনে সমষ্টিগত একটি গ্রুপ হিসেবে বিবেচনা করা যায়। ক্লাস্টার অ্যানালিসিস একটি অতিরিক্ত মানব কার্যকলাপ।
ক্লাস্টার অ্যানালিসিস বিভিন্ন মেজারমেন্টের ওপর ভিত্তি করে একই রেকর্ডের গ্রুপ বা ক্লাস্টার তৈরি করতে ব্যবহৃত হয়। মূল ডিজাইন হলো ক্লাস্টারগুলোর কো এইভাবে ডিফাইন করা যাতে অ্যানালিসিসের উদ্দেশ্যে সেগুলো উপকারী হয়। এই ডেটা বিভিন্ন এলাকায় ব্যবহার করা হয়েছে, যেমন- অ্যস্ট্রোনমি, আর্কিয়োলজি, মেডিসিন, কেমিস্ট্রি, এডুকেশন, সাইকোলজি, লিংগুইস্টিক্স এবং সসিওলজি।
মার্কেটিং-এ ক্লাস্টার অ্যানালিসিসের একটি বিখ্যাত ব্যবহার হলো মার্কেট সেগমেন্টেশন: ব্যবহারকারীদের ডেমোগ্রাফিক এবং ট্রানজ্যাকশন হিস্টরি ডেটার ওপর ভিত্তি করে সেগমেন্ট করা হয়, এবং প্রতিটি সেগমেন্টের জন্য মার্কেটিং কৌশল টেইলর করা হয়।
ক্লাস্টার অ্যানালিসিস বড় পরিমাণ ডেটার জন্যও ব্যবহার করা যেতে পারে। উদাহরণস্বরূপ, ইন্টারনেট সার্চ ইঞ্জিনগুলো ব্যবহারকারীদের সাবমিট করা কোয়েরি ক্লাস্টার করার জন্য ক্লাস্টারিং মেথড ব্যবহার করে। এগুলো তারপর সার্চ অ্যালগরিদম ডেভেলপ করতে ব্যবহার করা যায়।
সাধারণত, ক্লাস্টার করতে ব্যবহৃত বেসিক ডেটা হলো ভেরিয়েবলগুলোর ওপর বিভিন্ন মেজারমেন্টের একটি টেবিল, যেখানে প্রতিটি কলাম একটি ভেরিয়েবল এবং একটি রো একটি রেকর্ড নির্দেশ করে। লক্ষ্য হলো ডেটার গ্রুপ তৈরি করা যাতে একই রেকর্ডগুলো একই গ্রুপে থাকে। ক্লাস্টারের সংখ্যা প্রি-স্পেসিফাইড হতে পারে বা ডেটা থেকে নির্ধারিত হতে পারে।
