ایسوسی ایشن رول لرننگ ایک مشین لرننگ تکنیک ہے جسے بڑے ڈیٹا سیٹس کا تجزیہ اور تشریح کرنے کے لیے استعمال کیا جاتا ہے۔ یہ ڈیٹا سیٹ کے اندر ڈیٹا آئٹمز، یا عناصر کے درمیان تعلقات کی شناخت کے لیے استعمال کیا جا سکتا ہے۔ نتیجے میں ایسوسی ایشن کے قوانین کو پھر غیر مشاہدہ شدہ واقعات کے بارے میں پیشین گوئیاں کرنے کے لیے استعمال کیا جا سکتا ہے یا ڈیٹا میں غیر ظاہر شدہ نمونوں کے بارے میں اندازہ لگایا جا سکتا ہے۔
ایسوسی ایشن رول لرننگ غیر زیر نگرانی سیکھنے کی ایک شکل ہے، جس کا مطلب ہے کہ اسے کسی لیبل یا ردعمل کی ضرورت نہیں ہے۔ اس کے بجائے، الگورتھم صرف ڈیٹا کی بنیاد پر پیٹرن اور تعلقات تلاش کرنے کی کوشش کرتا ہے۔ ان نمونوں کو پھر "قواعد" بنانے کے لیے استعمال کیا جاتا ہے جو ڈیٹا سیٹ میں عناصر کے درمیان متواتر ایسوسی ایشن کی نشاندہی کرتے ہیں۔
ان اصولوں کو پھر پیشن گوئی ماڈلنگ، کلسٹرنگ اور درجہ بندی کے کاموں کے لیے استعمال کیا جا سکتا ہے، جیسے کہ گاہک کی خریداری کے نمونوں کی شناخت کرنا، مستقبل میں گاہک کی خریداریوں کی پیشن گوئی کرنا، صارفین کو گروہوں میں تقسیم کرنا، اور بہت سی دوسری ایپلی کیشنز کے ساتھ۔ اس کے علاوہ، ایسوسی ایشن رول لرننگ کو ڈیٹا مائننگ کے دیگر کاموں میں بھی استعمال کیا جا سکتا ہے جیسے سرچ انجن، کریڈٹ کارڈ فراڈ کا پتہ لگانے، مارکیٹ کی تقسیم، اور ویب مائننگ۔
دیگر مشین لرننگ تکنیکوں کے مقابلے میں، جیسے نیورل نیٹ ورکس، سپورٹ ویکٹر مشینیں، اور فیصلے کے درخت، ایسوسی ایشن رول لرننگ کی تشریح کرنا آسان سمجھا جاتا ہے۔ یہ نظام کو خاص طور پر ایسے حالات میں مفید بناتا ہے جہاں ڈیٹا کے بنیادی اصولوں کو سمجھنا ضروری ہے۔ اگرچہ ایسوسی ایشن رول سیکھنے کے لیے بہت زیادہ ڈیٹا کی ضرورت نہیں ہوتی، لیکن اسے دلچسپ اور معنی خیز نمونوں کو تلاش کرنے کے لیے کافی ڈیٹا کی ضرورت ہوتی ہے۔
چونکہ کمپیوٹرز تیزی سے ڈیٹا کی بڑی مقدار کو ذخیرہ اور تجزیہ کرتے ہیں، ایسوسی ایشن رول سیکھنے سے ڈیٹا مائننگ اور پیشین گوئی کرنے والے تجزیات کے لیے ایک طاقتور ٹول بننے کی امید ہے۔