Sekventiaalinen kuviotunnistus
Kuvittele tarkastelevasi tuhansien asiakkaiden ostoshistorioita ja kysyväsi: mitä tuotekategorioiden sekvenssejä monet kuluttajat seuraavat ajan mittaan? Sekventiaalinen kuviotunnistus vastaa tähän etsimällä järjestelmällisesti järjestettyjä esinejoukkojen listoja, jotka esiintyvät riittävän monissa historiankirjoissa. Toisin kuin ostoskorianalyysi, joka jättää järjestyksen huomiotta, tämä lähestymistapa pitää aikajanaa olennaisena. Jos monet käyttäjät ostavat kameran, sitten muistikortin ja sitten kameralaukun peräkkäisillä käynneillä, algoritmi nostaa tämän ketjun esiin tilastollisesti luotettavana sekventiaalisena kuviona.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Agrawal, R., & Srikant, R. (1995). Mining sequential patterns. IEEE International Conference on Data Engineering (ICDE), 3–14. DOI: 10.1109/ICDE.1995.380415 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Sequential Pattern Mining. ScholarGate. https://scholargate.app/fi/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.
- Assosiaatiosääntöjen louhinta (Apriori)Koneoppiminen↔ compare
- FP-Growth (Frequent Pattern Growth)Koneoppiminen↔ compare
- Prosessikaivos (Process Mining)Prosessilouhinta↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →