فروشگاه

ما یک دیتاست در اختیار داریم که قرار است پس از اصلاح و پاکسازی، به حدود ۲۰۰ تا ۴۰۰ داده متنی کاهش یابد. هدف این است که برای هر داده متنی، بر اساس مجموعه‌ای از صفات مشخصه (Features)، یک برچسب (Label) تعیین شود. به‌عنوان مثال، اگر داده‌ها شامل نظرات کاربران یک فروشگاه اینترنتی باشند، می‌توان برای هر نظر یکی از سه برچسب «مثبت (۲)»، «منفی (۱)» یا «خنثی (۰)» در نظر گرفت.

برای انجام این کار، ابتدا باید صفات مشخصه‌ای طراحی و تعریف شوند که بتوانند در تعیین نوع نظر نقش داشته باشند؛ برای نمونه وجود علامت تعجب، استفاده از ایموجی‌ها، یا برخی الگوهای متنی خاص می‌توانند به‌عنوان ویژگی در نظر گرفته شوند. سپس بر اساس این ویژگی‌ها، به هر داده یک برچسب مناسب اختصاص داده می‌شود.

در نهایت، پس از آماده‌سازی و تکمیل دیتاست (شامل حداقل ۳ ستون ویژگی و یک ستون برچسب)، از الگوریتم CART برای داده‌کاوی و تحلیل استفاده می‌شود. کد این الگوریتم معمولاً به‌صورت آماده در دسترس است و کافی است با ساختار دیتاست طراحی‌شده تطبیق داده شود.