এসোসিয়েশন রুল লার্নিং: সংক্ষিপ্ত পরিচিতি
এসোসিয়েশন রুল লার্নিং হলো একটি আনসুপারভাইজড লার্নিং টেকনিক যা একটি ডেটা এলিমেন্টের অন্য ডেটা এলিমেন্টের ওপর ডিপেন্ডেন্সি টেস্ট করে এবং একর্ডিংলি ম্যাপ করে যাতে এটি আরও কমার্শিয়াল হয়। এটি ডেটাসেটের ভেরিয়েবলগুলোর মধ্যে আকর্ষণীয় সম্পর্ক বা এসোসিয়েশন আবিষ্কার করার চেষ্টা করে। এটি ডেটাবেসে ভেরিয়েবলগুলোর মধ্যে আকর্ষণীয় সম্পর্ক খুঁজে পাওয়ার জন্য বিভিন্ন রুলের ওপর নির্ভর করে।
এসোসিয়েশন রুল লার্নিং মেশিন লার্নিং-এর অপরিহার্য কনসেপ্ট, এবং এটি মার্কেট বাস্কেট অ্যানালিসিস, ওয়েব ইউজেজ মাইনিং, সততাৎ উৎপাদন ইত্যাদিতে ব্যবহৃত হয়। তাই মার্কেট বাস্কেট অ্যানালিসিস বড় বড় রিটেইলাররা আইটেমগুলোর মধ্যে এসোসিয়েশন খুঁজে বের করতে ব্যবহার করে একটি পদ্ধতি।
মার্কেট বাস্কেট অ্যানালিসিসে, কাস্টমাররা শপিং বাস্কেটে রাখা বিভিন্ন আইটেমগুলোর মধ্যে এসোসিয়েশন খুঁজে বের করে কাস্টমারদের ক্রয় অভ্যাস বিশ্লেষণ করা হয়।
ऐसे এসোসিয়েশন আবিষ্কার করে রিটেইলাররা মার্কেটিং পদ্ধতি তৈরি করে বিশ্লেষণ করে যে কোন আইটেমগুলো কাস্টমাররা সাধারণত কেনে। এই এসোসিয়েশন বিক্রি বাড়াতে পারে রিটেইলারদের সিলেক্টিভ মার্কেটিং এবং শেলফ এরিয়া প্ল্যান করতে সাহায্য করে।
মাল্টি-লেভেল এসোসিয়েশনের জনপ্রিয় অ্যাপ্লিকেশন এলাকা হলো মার্কেট বাস্কেট অ্যানালিসিস, যা কনসেপ্ট হায়ারার্কি কনসেপ্টে প্রদর্শিত কাস্টমারদের ক্রয় অভ্যাস অধ্যয়ন করে একসাথে ঘন ঘন কেনা যান এমন আইটেম সেট খুঁজে বের করে।
মাল্টিডাইমেনশনাল এসোসিয়েশন রুল
দুই বা অধিক ডাইমেনশন বা প্রেডিকেটসহ এসোসিয়েশন রুলকে মাল্টিডাইমেনশনাল এসোসিয়েশন রুল বলা হয়। উদাহরণস্বরূপ,
Age (X, "20...29") ^occupation (X,"Student") =>buys (X,"Laptop")
এই রুলটিতে তিনটি প্রেডিকেট রয়েছে (age, occupation, এবং buys), যারা প্রতিটি রুলে একবারই করে আসে, এমন রুলগুলাকে ইন্টারডাইমেনশনাল এসোসিয়েশন রুল বলা হয়। রিপিটেড প্রেডিকেটসহ বা কিছু প্রেডিকেটের মাল্টিপল অকরেন্স সম্পন্ন রুলগুলাকে হাইব্রিড-ডাইমেনশন এসোসিয়েশন রুল বলা হয়।
উদাহরণস্বরূপ,
Age (X, "20...29") ^buys (X,"Laptop") =>buys (X,"Printer")
ডেটাবেস অ্যাট্রিবিউটগুলো ক্যাটেগরিক্যাল বা কোয়ান্টিটেটিভ হতে হবে।
ক্যাটেগরিক্যাল অ্যাট্রিবিউট (Categorical Attributes)
ক্যাটেগরিক্যাল অ্যাট্রিবিউটের hữu محدود সংখ্যক পসিবল ভ্যালু থাকে, ভ্যালুগুলোর মধ্যে কোনো অর্ডারিং নেই, এগুলোকেও নমিনাল অ্যাট্রিবিউট বলা হয়।
কোয়ান্টিটেটিভ অ্যাট্রিবিউট (Quantitative Attributes)
কোয়ান্টিটেটিভ অ্যাট্রিবিউট সংখ্যাসূচক এবং ভ্যালুগুলোর মধ্যে একটি ইমপ্লিসিট সিকোয়েন্সিং থাকে। কোয়ান্টিটেটিভ অ্যাট্রিবিউটের চিকিৎসা সংক্রান্ত তিনটি বেসিক পদ্ধতি রয়েছে:
প্রথম পদ্ধতি: কোয়ান্টিটেটিভ অ্যাট্রিবিউটগুলো একটি প্রি-ডিফাইনড কনসেপ্ট হায়ারার্কি ব্যবহার করে ডিসক্রিটাইজ করা হয়, যা মাইনিং-এর আগে হয়। ডিসক্রিটাইজড নিউমেরিক অ্যাট্রিবিউটগুলো তাদের রেঞ্জ ভ্যালুর সাথে ক্যাটেগরিক্যাল অ্যাট্রিবিউট হিসেবে বিবেচিত হতে পারে।
দ্বিতীয় পদ্ধতি: কোয়ান্টিটেটিভ অ্যাট্রিবিউটগুলো বিনে ক্যাটেগরাইজ করা হয় এবং এটি ডেটার ডিস্ট্রিবিউশনের ওপর ভিত্তি করে। এই বিনগুলো মাইনিং প্রসেসের aikana আরও কম্বাইন করা যায়। তাই ডিসক্রিটাইজেশনের প্রক্রিয়া ডাইনামিক এবং സ്ഥাপিত।
তৃতীয় পদ্ধতি: কোয়ান্টিটেটিভ অ্যাট্রিবিউটগুলো ডিসক্রিটাইজ করা হয় যাতে সেমান্টিক মেনিং অফ সাচ ইন্টারভাল ডেটা ক্যাপচার করা যায়। এই শক্তিশালী ডিসক্রিটাইজেশন ফেজ ডেটা পয়েন্টগুলোর মধ্যে ডিস্ট্যান্স চিকিৎসা করে।
