শ্রেণীবিন্যাস
একটি শ্রেণিবিন্যাস হল একটি ডেটা-মাইনিং পদ্ধতি যা আরও দক্ষ ভবিষ্যদ্বাণী এবং বিশ্লেষণে সমর্থন করার জন্য ডেটার একটি সেটের স্তরকে অনুমোদন করে। শ্রেণীবিভাগ হল উচ্চ ডেটাসেটগুলির বিশ্লেষণকে কার্যকর করার জন্য পূর্বনির্ধারিত বিভিন্ন পদ্ধতির মধ্যে একটি৷
"শ্রেণীবিন্যাস" সাধারণত ব্যবহৃত হয় যখন ঠিক দুটি লক্ষ্য শ্রেণী থাকে যা বাইনারি শ্রেণীবিভাগ হিসাবে পরিচিত। যখন দুইটির বেশি শ্রেণির পূর্বাভাস দেওয়া যায়, বিশেষ করে প্যাটার্ন শনাক্তকরণ সমস্যায়, এটিকে বহুপদ শ্রেণীবিভাগ হিসাবে সংজ্ঞায়িত করা হয়। যাইহোক, বহুপদ শ্রেণীবিভাগও নির্দিষ্ট প্রতিক্রিয়া ডেটার জন্য ব্যবহার করা হয়, যেখানে একাধিক বিভাগের মধ্যে কোন বিভাগে সবচেয়ে বেশি সম্ভাবনা রয়েছে তার পূর্বাভাস দিতে হয়।
শ্রেণীবিভাগ তথ্য মাইনিং সবচেয়ে গুরুত্বপূর্ণ উপাদান. এটি তাদের বৈশিষ্ট্যগুলির উপর নির্ভর করে দৃষ্টান্তগুলিতে পূর্ব-সংজ্ঞায়িত শ্রেণী লেবেলগুলি বরাদ্দ করার একটি প্রক্রিয়া সংজ্ঞায়িত করে। শ্রেণিবিন্যাস এবং ক্লাস্টারিংয়ের মধ্যে একটি মিল রয়েছে, এটি একই রকম দেখায়, তবে এটি ভিন্ন। শ্রেণীবিভাগ এবং ক্লাস্টারিংয়ের মধ্যে প্রধান পার্থক্য হল যে শ্রেণীবিভাগে পূর্ব-নির্ধারিত গোষ্ঠীর সদস্যতা অনুযায়ী আইটেমগুলির সমতলকরণ রয়েছে।
ক্লস্টারিং
একই বস্তুর শ্রেণীতে ভৌত বা বিমূর্ত বস্তুর সেটকে একত্রিত করার প্রক্রিয়াকে ক্লাস্টারিং বলা হয়। একটি ক্লাস্টার হল ডেটা অবজেক্টের একটি সেট যা একই ক্লাস্টারের মধ্যে একে অপরের মতো এবং অন্যান্য ক্লাস্টারের অবজেক্ট থেকে আলাদা। ডেটা অবজেক্টের একটি ক্লাস্টারকে বিভিন্ন অ্যাপ্লিকেশনে একটি গ্রুপ হিসাবে সম্মিলিতভাবে বিবেচনা করা যেতে পারে। ক্লাস্টার বিশ্লেষণ একটি অপরিহার্য মানব কার্যকলাপ।
ক্লাস্টার বিশ্লেষণ এই রেকর্ডগুলির উপর করা বিভিন্ন ব্যবস্থার উপর নির্ভর করে একই রেকর্ডের গ্রুপ বা ক্লাস্টার গঠন করতে ব্যবহৃত হয়। মূল নকশা হল ক্লাস্টারগুলিকে এমনভাবে সংজ্ঞায়িত করা যা বিশ্লেষণের উদ্দেশ্যের জন্য উপযোগী হতে পারে। এই তথ্যটি জ্যোতির্বিদ্যা, প্রত্নতত্ত্ব, চিকিৎসাবিদ্যা, রসায়ন, শিক্ষা, মনোবিজ্ঞান, ভাষাবিজ্ঞান এবং সমাজবিজ্ঞানের মতো বিভিন্ন ক্ষেত্রে ব্যবহার করা হয়েছে।
বিপণনে ক্লাস্টার বিশ্লেষণের একটি বিখ্যাত ব্যবহার হল বাজার বিভাজনের জন্য:ব্যবহারকারীদের জনসংখ্যা এবং লেনদেনের ইতিহাসের ডেটার উপর ভিত্তি করে বিভক্ত করা হয় এবং প্রতিটি বিভাগের জন্য বিপণন কৌশলগুলি তৈরি করা হয়৷
ক্লাস্টার বিশ্লেষণ প্রচুর পরিমাণে ডেটার জন্য ব্যবহার করা যেতে পারে। উদাহরণস্বরূপ, ইন্টারনেট অনুসন্ধান ইঞ্জিনগুলি ব্যবহারকারীদের জমা দেওয়া প্রশ্নগুলিকে ক্লাস্টার করার জন্য ক্লাস্টারিং পদ্ধতি ব্যবহার করে। এগুলি তারপরে অনুসন্ধান অ্যালগরিদম বিকাশের জন্য ব্যবহার করা যেতে পারে৷
সাধারণত, ক্লাস্টারে ব্যবহৃত মৌলিক ডেটা বিভিন্ন ভেরিয়েবলের পরিমাপের একটি টেবিল, যেখানে প্রতিটি কলাম একটি পরিবর্তনশীলকে সংজ্ঞায়িত করে এবং একটি সারি একটি রেকর্ডকে সংজ্ঞায়িত করে। উদ্দেশ্য হল ডেটার গ্রুপ তৈরি করা যাতে একই রেকর্ড একই গ্রুপে থাকে। ক্লাস্টারের সংখ্যা পূর্ব-নির্দিষ্ট বা ডেটা থেকে সিদ্ধান্ত নেওয়া যেতে পারে।
