Εξόρυξη Ακολουθιακών Προτύπων
Η Εξόρυξη Ακολουθιακών Προτύπων ανακαλύπτει διατεταγμένα πρότυπα που επαναλαμβάνονται σε πολλαπλές ακολουθίες γεγονότων σε μια βάση δεδομένων. Παρουσιάστηκε από τους Agrawal και Srikant το 1995, επεκτείνοντας την εξόρυξη κανόνων συσχέτισης σε χρονικά διατεταγμένες συναλλαγές. Ένα πρότυπο θεωρείται συχνό όταν εμφανίζεται ως διατεταγμένη υποακολουθία σε τουλάχιστον ένα κλάσμα όλων των ακολουθιών που καθορίζεται από τον χρήστη. Η μέθοδος εφαρμόζεται ευρέως όπου η σειρά των γεγονότων έχει σημασία, όπως ιστορικά αγορών πελατών, αρχεία καταγραφής ροής κλικ, ηλεκτρονικά ιατρικά αρχεία και ανάλυση αλληλουχιών DNA.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Agrawal, R., & Srikant, R. (1995). Mining sequential patterns. IEEE International Conference on Data Engineering (ICDE), 3–14. DOI: 10.1109/ICDE.1995.380415 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). Sequential Pattern Mining. ScholarGate. https://scholargate.app/el/machine-learning/sequence-mining
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Εξόρυξη Κανόνων Συσχέτισης (Apriori)Μηχανική Μάθηση↔ compare
- FP-Growth (Ανάπτυξη Συχνών Μοτίβων)Μηχανική Μάθηση↔ compare
- Εξόρυξη ΔιαδικασιώνΕξόρυξη Διεργασιών↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →