Klasifikasi dan asosiasi merupakan dua teknik yang paling banyak digunakan pada data mining. Klasifikasi bertujuan untuk menghasilkan sekumpulan rule dari suatu data yang mampu menghasilkan suatu classifier. Sedangkan asosiasi bertujuan untuk menemukan semua rule yang terdapat pada data dengan batasan nilai support dan confidence yang telah ditentukan sebelumnya. Untuk asosiasi, target yang dicari tidak ditentukan sebelumnya, sementara untuk klasifikasi memiliki sebuah target yang telah ditentukan. Karena itu penggunaan teknik pengintegrasian antara klasifikasi dan asosiasi mampu menemukan rule yang lebih baik dan lebih akurat.
CMAR digunakan sebagai pengintegrasi proses klasifikasi dan asosiasi secara bersamaan, dimana pengintegrasian dilakukan dengan fokus pada pengolahan subset dari rule asosiasi, yang dikenal sebagai CARs (Class Association Rules). CMAR juga digunakan untuk membangun classifier berdasarkan CARs yang telah ditemukan tersebut. CMAR meliputi dua tahap utama, yaitu asosiasi—untuk menghasilkan sejumlah rule yang frequent dan klasifikasi—untuk mendapatkan classifier. Dengan adanya teknik CMAR dalam menghasilkan classifier, diharapkan performansi dari classifier tersebut menjadi lebih baik dibanding classifier lain dari teknik lain yang umum digunakan. Performansi ini diukur dari nilai akurasi yang dihasilkan. Melalui perbandingan dengan salah satu aplikasi data mining yaitu WeKa, dapat menunjukkan bahwa teknik CMAR akan lebih baik dibanding teknik klasifikasi lainnya, seperti C4.5.
klasifikasi, asosiasi, classifier, support, confidence, CMAR