Sequentiële patroonherkenning
Sequentiële patroonherkenning ontdekt geordende patronen die zich herhalen in meerdere gebeurtenissequenties in een database. Geïntroduceerd door Agrawal en Srikant in 1995, breidt het associatieregelsherkenning uit naar tijdgeordende transacties. Een patroon is frequent wanneer het verschijnt als een geordende subreeks in ten minste een door de gebruiker gespecificeerd deel van alle sequenties. De methode wordt breed toegepast waar de volgorde van gebeurtenissen betekenis draagt, zoals klant aankoopgeschiedenissen, clickstream logs, elektronische patiëntendossiers en DNA-sequentieanalyse.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Agrawal, R., & Srikant, R. (1995). Mining sequential patterns. IEEE International Conference on Data Engineering (ICDE), 3–14. DOI: 10.1109/ICDE.1995.380415 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Sequential Pattern Mining. ScholarGate. https://scholargate.app/nl/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.
- Associatieregels Leren (Apriori)Machine learning↔ compare
- FP-Growth (Frequent Pattern Growth)Machine learning↔ compare
- ProcesminingProcess mining↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →