Sekventiell mönsterutvinning
Sekventiell mönsterutvinning upptäcker ordnade mönster som återkommer i flera händelseförlopp i en databas. Introducerat av Agrawal och Srikant 1995, utökar det association-rule mining till tidsordnade transaktioner. Ett mönster är frekvent när det förekommer som en ordnad delsekvens i minst en användarspecificerad andel av alla sekvenser. Metoden används brett där händelseordningen har betydelse, såsom kundhistorik, klickströmsloggar, elektroniska patientjournaler och DNA-sekvensanalys.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Agrawal, R., & Srikant, R. (1995). Mining sequential patterns. IEEE International Conference on Data Engineering (ICDE), 3–14. DOI: 10.1109/ICDE.1995.380415 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Sequential Pattern Mining. ScholarGate. https://scholargate.app/sv/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.
- Association Rule Mining (Apriori)Maskininlärning↔ compare
- FP-Growth (Frequent Pattern Growth)Maskininlärning↔ compare
- Process miningProcess mining↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →