এই দুটি কৌশলগুলির মধ্যে ব্যবহারিক পার্থক্যের কি খুব সাধারণ বর্ণনা আছে?
উভয়ই তত্ত্বাবধানে শিক্ষার জন্য ব্যবহৃত হয়েছে বলে মনে হয় (যদিও সমিতির নিয়মগুলিও নিরীক্ষণ ব্যবস্থা পরিচালনা করতে পারে)।
উভয় ভবিষ্যদ্বাণী জন্য ব্যবহার করা যেতে পারে
'ভাল' বর্ণনার সবচেয়ে কাছের আমি স্ট্যাটসফট পাঠ্যপুস্তক থেকে পেয়েছি । তারা বলে যে অ্যাসোসিয়েশন বিধিগুলি ব্যবহার করা হয়:
... বড় ডেটা সেটগুলিতে শ্রেণিবদ্ধ ভেরিয়েবলের নির্দিষ্ট মানগুলির মধ্যে সম্পর্ক বা সমিতি সনাক্ত করুন।
যদিও সিদ্ধান্তের শ্রেণিবদ্ধকারীদের অভ্যস্ত হিসাবে বর্ণনা করা হয়:
... এক বা একাধিক প্রেডিকটার ভেরিয়েবলের পরিমাপ থেকে শ্রেণিবদ্ধ নির্ভরশীল ভেরিয়েবলের ক্লাসে কেস বা অবজেক্টের সদস্যতার পূর্বাভাস দিন।
যাইহোক, আর ডেটা মাইনিংয়ের শেষে, তারা লক্ষ্য ক্ষেত্রের সাথে অ্যাসোসিয়েশন বিধিগুলি ব্যবহারের একটি উদাহরণ দেয় ।
সুতরাং উভয়ই গোষ্ঠী সদস্যতার পূর্বাভাস দেওয়ার জন্য ব্যবহার করা যেতে পারে, সিদ্ধান্তের গাছগুলি অ-শ্রেণীবদ্ধ ইনপুট ডেটা পরিচালনা করতে পারে এমন মূল পার্থক্য কি অ্যাসোসিয়েশন নিয়মগুলি পারে না? বা আরও কিছু মৌলিক আছে? একটি সাইট ( sqlserverdatamining.com ) বলে যে মূল পার্থক্যটি হ'ল:
অ্যাসোসিয়েশন বিধি জনপ্রিয়তা এবং / বা আত্মবিশ্বাসের ভিত্তিতে সিদ্ধান্তের নিয়মগুলি তথ্য অর্জনের ভিত্তিতে হয়।
সুতরাং (সম্ভবত আমার নিজের প্রশ্নের উত্তর দেওয়া) এর অর্থ কি এই যে অ্যাসোসিয়েশন বিধিগুলি ডেটাসেটে কতবার প্রদর্শিত হয় (এবং কতক্ষণ তারা 'সত্য' হয়) ঠিক তারপরেই মূল্যায়ন করা হয়, যখন সিদ্ধান্তের গাছগুলি বাস্তবে ভিন্নতা হ্রাস করার চেষ্টা করে?
যদি কেউ কোনও ভাল বিবরণ সম্পর্কে জানেন তবে তারা আমাকে নির্দেশ করতে ইচ্ছুক হলে তা দুর্দান্ত হবে।