Górnictwo sekwencyjnych wzorców (Sequential Pattern Mining)
Górnictwo sekwencyjnych wzorców odkrywa uporządkowane wzorce, które powtarzają się w wielu sekwencjach zdarzeń w bazie danych. Wprowadzona przez Agrawala i Srikanta w 1995 roku, rozszerza górnictwo reguł asocjacyjnych na transakcje uporządkowane czasowo. Wzorzec jest częsty, gdy pojawia się jako uporządkowana podsekwencja w co najmniej ułamku wszystkich sekwencji określonym przez użytkownika. Metoda ta jest szeroko stosowana wszędzie tam, gdzie kolejność zdarzeń ma znaczenie, na przykład w historiach zakupów klientów, logach ścieżek kliknięć, elektronicznej dokumentacji medycznej i analizie sekwencji DNA.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Agrawal, R., & Srikant, R. (1995). Mining sequential patterns. IEEE International Conference on Data Engineering (ICDE), 3–14. DOI: 10.1109/ICDE.1995.380415 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Sequential Pattern Mining. ScholarGate. https://scholargate.app/pl/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.
- Górnictwo reguł asocjacyjnych (Apriori)Uczenie maszynowe↔ compare
- FP-Growth (Frequent Pattern Growth)Uczenie maszynowe↔ compare
- Eksploracja procesówEksploracja procesów↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →