वर्गीकरण (Classification)
वर्गीकरण एक डेटा माइनिंग दृष्टिकोण है जो अधिक कुशल भविष्यवाणियों और विश्लेषण में सहायता के लिए डेटा के एक सेट को स्तर अधिकृत करता है। वर्गीकरण उच्च डेटासेट के विश्लेषण को प्रभावी बनाने के लिए पूर्वनिर्धारित कई विधियों में से एक है।
"वर्गीकरण" का उपयोग आमतौर पर तब किया जाता है जब ठीक दो लक्ष्य वर्ग होते हैं जिन्हें बाइनरी वर्गीकरण के रूप में जाना जाता है। जब दो से अधिक वर्गों की भविष्यवाणी की जा सकती है, विशेष रूप से पैटर्न पहचान मुद्दों में, इसे बहुपद वर्गीकरण के रूप में परिभाषित किया जाता है। हालांकि, बहुपद वर्गीकरण का उपयोग निश्चित प्रतिक्रिया डेटा के लिए भी किया जाता है, जहां किसी को यह भविष्यवाणी करने की आवश्यकता होती है कि कई श्रेणियों में से किस श्रेणी में सबसे बड़ी संभावना वाले इंस्टेंस हैं।
वर्गीकरण डेटा माइनिंग में सबसे महत्वपूर्ण तत्व है। यह उनकी विशेषताओं के आधार पर इंस्टेंसेस को पूर्व-निर्धारित वर्ग लेबल असाइन करने की एक प्रक्रिया को परिभाषित करता है। वर्गीकरण और क्लस्टरिंग में समानता है, यह समान दिखता है, लेकिन यह अलग है। वर्गीकरण और क्लस्टरिंग के बीच मुख्य अंतर यह है कि वर्गीकरण में पूर्व-निर्धारित समूहों में उनकी सदस्यता के अनुसार वस्तुओं का लेवलिंग शामिल है।
क्लस्टरिंग (Clustering)
भौतिक या अमूर्त वस्तुओं के एक सेट को समान वस्तुओं की कक्षाओं में समूहबद्ध करने की प्रक्रिया को क्लस्टरिंग के रूप में जाना जाता है। एक क्लस्टर डेटा वस्तुओं का एक समूह है जो एक ही क्लस्टर के भीतर एक-दूसरे के समान होते हैं और अन्य क्लस्टर्स की वस्तुओं से भिन्न होते हैं। कई अनुप्रयोगों में डेटा वस्तुओं के एक क्लस्टर को सामूहिक रूप से एक समूह के रूप में माना जा सकता है। क्लस्टर विश्लेषण एक आवश्यक मानवीय गतिविधि है।
क्लस्टर विश्लेषण का उपयोग इन रिकॉर्ड्स पर किए गए विभिन्न मापों के आधार पर समान रिकॉर्ड्स के समूह या क्लस्टर बनाने के लिए किया जाता है। मुख्य डिजाइन उन तरीकों से क्लस्टर्स को परिभाषित करना है जो विश्लेषण के उद्देश्य के लिए उपयोगी हो सकते हैं। इस डेटा का उपयोग खगोल विज्ञान, पुरातत्व, चिकित्सा, रसायन विज्ञान, शिक्षा, मनोविज्ञान, भाषा विज्ञान और समाजशास्त्र जैसे कई क्षेत्रों में किया गया है।
विपणन में क्लस्टर विश्लेषण का एक प्रसिद्ध उपयोग बाजार विभाजन के लिए है: उपयोगकर्ताओं को जनसांख्यिकीय और लेनदेन इतिहास डेटा के आधार पर विभाजित किया जाता है, और विपणन तकनीकों को प्रत्येक खंड के लिए अनुकूलित किया जाता है।
क्लस्टर विश्लेषण का उपयोग बड़ी मात्रा में डेटा के लिए किया जा सकता है। उदाहरण के लिए, इंटरनेट खोज इंजन उपयोगकर्ताओं द्वारा सबमिट किए गए प्रश्नों को क्लस्टर करने के लिए क्लस्टरिंग विधियों का उपयोग करते हैं। इनका उपयोग तब खोज एल्गोरिदम विकसित करने के लिए किया जा सकता है।
आम तौर पर, क्लस्टर करने के लिए उपयोग किया जाने वाला मूल डेटा विभिन्न चरों पर माप की एक तालिका होती है, जहां प्रत्येक स्तंभ एक चर को परिभाषित करता है और एक पंक्ति एक रिकॉर्ड को परिभाषित करती है। उद्देश्य डेटा के समूह बनाना है ताकि समान रिकॉर्ड एक ही समूह में हों। क्लस्टर्स की संख्या पूर्व-निर्दिष्ट हो सकती है या डेटा से तय की जा सकती है।
