সুতরাং আমাদের কাছে এমন একটি মেশিন লার্নিং অ্যাপ্লিকেশনের সম্ভাবনা রয়েছে যা শ্রেণিবদ্ধদের দ্বারা সমাধান করা traditionalতিহ্যগত সমস্যা ডোমেনের সাথে মোটামুটি সুন্দরভাবে ফিট করে, অর্থাত্ আমাদের কাছে একটি আইটেম এবং একটি "বালতি" বর্ণিত বৈশিষ্ট্যগুলির একটি সেট রয়েছে যা তারা শেষ করে However নায়েভ বেয়েস বা অনুরূপ শ্রেণিবদ্ধের মতো সম্ভাব্যতার জন্য আমরা আমাদের আউটপুটটি প্রায় মানুষের পাঠযোগ্য নিয়মের একটি সেট হতে চাই যা শেষ ব্যবহারকারী দ্বারা পর্যালোচনা ও সংশোধন করতে পারে can
অ্যাসোসিয়েশন রুল লার্নিংটি অ্যালগরিদমের পরিবারের মতো দেখায় যা এই ধরণের সমস্যা সমাধান করে তবে এই অ্যালগরিদমগুলি বৈশিষ্ট্যগুলির সাধারণ সংমিশ্রণগুলি চিহ্নিত করার দিকে মনোনিবেশ করে বলে মনে হয় এবং এই বৈশিষ্ট্যগুলি নির্দেশ করতে পারে এমন একটি চূড়ান্ত বালতির ধারণা অন্তর্ভুক্ত করে না। উদাহরণস্বরূপ, আমাদের ডেটা সেটটি দেখতে এমন কিছু দেখাচ্ছে:
Item A { 4-door, small, steel } => { sedan }
Item B { 2-door, big, steel } => { truck }
Item C { 2-door, small, steel } => { coupe }
আমি কেবল এই নিয়মগুলি চাই যা "এটি যদি বড় এবং দ্বি-দরজা হয় তবে এটি একটি ট্রাক," যে নিয়মগুলি বলে না "এটি যদি 4-দরজাটিও ছোট হয় তবে"।
আমি যে কাজটি করতে পারি তা হ'ল কেবল অ্যাসোসিয়েশন রুল লার্নিং অ্যালগরিদমগুলি ব্যবহার করা এবং যে বিধিগুলি শেষ বালতি জড়িত না সেগুলি উপেক্ষা করে, তবে এটি কিছুটা হ্যাকিং বলে মনে হয়। আমি কি এখানে অ্যালগরিদমের কিছু পরিবার মিস করেছি? বা সম্ভবত আমি সমস্যাটি শুরু করে ভুলভাবে পৌঁছে যাচ্ছি?