ডেটা মাইনিং-এর তাত্ত্বিক ভিত্তি
ডেটা মাইনিং-এর ভিত্তি গঠন করতে কয়েকটি প্রধান তত্ত্ব কাজ করে। নিচে সেগুলি আলোচনা করা হলো:
১. ডেটা হ্রাস (Data Reduction)
এই তত্ত্ব অনুযায়ী, ডেটা মাইনিং-এর মূল লক্ষ্য হলো ডেটা উপস্থাপনা হ্রাস করা। বড় ডেটাবেসে দ্রুত আনুমানিক উত্তর পাওয়ার প্রয়োজনে ডেটা হ্রাস নিশ্চিততা বিনিময় করে গতি বেড়ায়।
ডেটা হ্রাসের পদ্ধতিগুলি অন্তর্ভুক্ত করে: সিঙ্গুলার ভ্যালু ডিকম্পোজিশন (প্রধান উপাদান বিশ্লেষণের চালনাকারী ঘটক), ওয়েভলেট, রিগ্রেশন, লগ-লিনিয়ার মডেল, হিস্টোগ্রাম, ক্লাস্টারিং, নমুনা বেছে নেওয়া, এবং সূচক গাছের উন্নতি।
২. ডেটা সংকুচন (Data Compression)
এই মতবাদে ডেটা মাইনিং-এর ভিত্তি হলো প্রদত্ত তথ্যকে বিট, asoshiয়েশন নিয়ম, সিদ্ধান্ত গাছ, ক্লাস্টার ইত্যাদির মাধ্যমে এনকোড করে সংকুচিত করা।
৩. প্যাটার্ন আবিষ্কার (Pattern Discovery)
এখানে ডেটা মাইনিং-এর ভিত্তি হলো ডেটাবেসে উপস্থিত প্যাটার্ন খুঁজে বের করা—যেমন asoshiয়েশন, শ্রেণিবিন্যাস মডেল, সিকোয়েন্সিয়াল প্যাটার্ন ইত্যাদি। মেশিন লার্নিং, নিউরাল নেটওয়ার্ক, asoshiয়েশন মাইনিং, সিকোয়েন্সিয়াল প্যাটার্ন মাইনিং, ক্লাস্টারিং এবং অন্যান্য উপক্ষেত্র এই তত্ত্বে অবদান রাখে।
৪. সম্ভাবনা তত্ত্ব (Probability Theory)
এটি পরিসংখ্যান তত্ত্বের ওপর ভিত্তি করে। এই তত্ত্বে ডেটা মাইনিং-এর লক্ষ্য হলো যাদুচলক ভেরিয়েবলগুলির যৌথ সম্ভাবনা বিতরণ খুঁজে বের করা, যেমন বেয়েসিয়ান বিশ্বাস নেটওয়ার্ক বা সাধারন বেয়েসিয়ান মডেল।
৫. সুক্ষ্ম অর্থনৈতিক দৃষ্টিভঙ্গি (Microeconomic View)
সুক্ষ্ম অর্থনৈতিক দৃষ্টিভঙ্গি ডেটা মাইনিংকে সেবা হিসেবে বিবেচনা করে—যে প্যাটার্নগুলো কোনো উদ্যোগের সিদ্ধান্ত-নির্ধারণ প্রক্রিয়ায় (যেমন বিপণন কৌশল ও উৎপাদন পরিকল্পনা) ব্যবহার যোগ্য হয়, কেবল সেগুলিই আকর্ষণীয়।
এই দৃষ্টিভঙ্গিতে প্যাটার্নগুলিকে সিদ্ধান্তের সেবা বা মূল্য সর্বোচ্চ করার জন্য অপ্টিমাইজেশন সমস্যা হিসেবে মाना হয়। অতএব, ডেটা মাইনিং একটি অ-লিনিয়ার অপ্টিমাইজেশন সমস্যায় পরিণত হয়।
৬.귀납적 ডেটাবেস (Inductive Databases)
এই তত্ত্ব অনুযায়ী, একটি ডেটাবেস স্কিমা ডেটা এবং প্যাটার্ন উভয়ই সংরক্ষণ করে। ডেটা মাইনিং হলো ডেটাবেসের ওপর 귀납 (induction) প্রয়োগ করার সমস্যা, যেখানে ফাংশন হলো ডেটাবেসের তথ্য ও তত্ত্ব (প্যাটার্ন) কোয়েরি করা। ডেটাবেস সিস্টেমের গবেষকগণের মধ্যে এই মতবादी लोकপ্রিয়।
উপসংহার
এই তত্ত্বগুলো পরস্পর বর্জক নয়। উদাহরণস্বরূপ, প্যাটার্ন আবিষ্কারকে ডেটা হ্রাস বা ডেটা সংকুচনের একটি রূপও মনা যেতে পারে। আদর্শভাবে একটি তাত্ত্বিক কাঠামোকে সাধারণ ডেটা মাইনিং কাজ (asoshiয়েশন, শ্রেণিবিন্যাস, ক্লাস্টারিং) মডেল করতে হবে, সম্ভাবনামূলক বৈশিষ্ট্য রাখতে হবে, ডেটার বিভিন্ন রূপ পরিচালনা করতে হবে, এবং ডেটা মাইনিং-এর পুনরাবৃত্তিমূলক ও ইন্টারেক্টিভ প্রকৃতি সমাধান করতে হবে। এছাড়া ডেটা মাইনিং-এর জন্য একটি সুস্পষ্ট কাঠামো প্রতিষ্ঠার दরকার রয়েছে।
