Table of Contents
সিদ্ধান্ত নেওয়ার ক্ষেত্রে তথ্যের পরিমাণ বৃদ্ধি একটি মৌলিক পদক্ষেপ । এটি প্রত্যেক নোডের মধ্যে তথ্য বিভক্ত করার জন্য সবচেয়ে ভাল বৈশিষ্ট্য নির্ধারণ করে । এর ফলে মডেলের সঠিক মান উন্নত হয় । তথ্য লেখার পর এর ফলে তথ্যের সীমা বৃদ্ধি করা যায় ।
বুঝতে পারাটা
এ ছাড়া, এটা পরীক্ষা করে দেখা যায় যে, ডাটাসেবিটার মধ্যে প্রতি ক্লাসের সংখ্যা দিন দিন বেড়েই চলেছে ।
এনওয়াইপি-এর জন্য যে উপাদান রয়েছে তা হচ্ছে:
[[[F][F][F][F][F][F][F][F][[F][L][F][F]][[F]][[F]][[[]]]
তথ্য লাভ
মূল ডাটার মধ্যে যে - পরিমাণ তথ্য রয়েছে, তার মধ্যে রয়েছে বিভক্ত হওয়ার পর গড়ে ওঠা ওজন এবং ওজনের পরিমাণের পার্থক্য ।
তথ্যের জন্য সূত্র হল:
[[FLT] [Q] IGTE] [QL] - CLIENTLE (বা ছোট) রকাশ্যমন্ত [FOAtr (শিশু) [FOp]
ব্যবহারিক বিশ্লেষণ
সংখ্যাসূচক তথ্য গণনা করতে হলে, এই ধাপগুলো অনুসরণ করুন:
- সম্পূর্ণ তথ্যসমূহের মধ্যে উপস্থিত তথ্যের নির্ভুলতা গণনা করা হবে ।
- এই বৈশিষ্ট্য মূল্যায়নের উপর ভিত্তি করে ডাটা নির্ভর করা হয়।
- বিভক্ত করা হয় প্রতি সাব-মেনুর মধ্যে উপস্থিত প্রতিটি বিশেষ উত্পাদন করো ।
- ওজনের হিসাব করো... ...যা এই অতিরিক্ত ওজনের তুলনায় কম.
- এই মানকে মূল ত্রয়ীর থেকে আলাদা করা তথ্য পেতে।
উদাহরণ
ধরুন একটি তথ্যতে ০.৯-এর প্রাথমিক ত্রটি রয়েছে । একটি অংশ বিভাজনের পর, এই সাব- এর ওজন 0. ৫ এর বেশি । এই বিভাজন থেকে প্রাপ্ত তথ্য ০.৪ এর মধ্যে বেশ কিছু গুরুত্বপূর্ণ । এটি হল stivedrailable.4, সংখ্যা 0.4 দ্বারা নির্দিষ্ট হওয়া নির্দিষ্ট করে নির্দেশ করে ।