Написано ранее: иметь дело с реальными наборами данных (то есть постоянно меняющимися), как извлекать и анализировать эти динамические наборы данных или один и тот же набор данных в два разных момента времени — очень ценная проблема; поэтому в этой статье предлагается новая концепция называется формирующимся паттерном для представления этих опорСущественные измененияи разработать более эффективный алгоритм классификации

Efficient Mining of Emerging Patterns: Discovering Trends and Differences

мотивация

Во временной базе данных обычно изучают изменения наборов элементов: например, в финансовой сфере тенденции можно прогнозировать, анализируя изменения наборов элементов; например, сравнивая изменения различных категорий элементов, сравнительный анализ может быть выполнено; или когда общая база слишком велика, изменение доли общего объема данных не очевидно, но фактическое значение сильно меняется и т. д. В соответствии с указанными выше требованиями в данной статье предлагается формирующаяся модель (ВП) для количественного описания этих изменений.

определение

• пункт(item): наименьшая единица в наборе данных, которую нельзя разделить дальше, используйте$x_i$выражать

• наборы предметов (itemset): Состоит из нескольких разных элементов, используя$X$сказал, из которых$k$-$itemset$Указывает, что набор содержит$k$Предметы

• Очень большие/маленькие наборы предметов (large/small itemset): при минимальном пороге поддержки$\sigma$(в процентах), если$supp_\mathcal{D}(X)$ = $\frac{count_\mathcal{D}(X)}{\mid \mathcal{D} \mid} \ge \sigma$, затем используйте$Large_\sigma(\mathcal{D})$выраженный в$\mathcal{D}$набор всех наборов элементов, которые удовлетворяют неравенству в , и наоборот$Small_\sigma(\mathcal{D})$

• закрытый интервал(interval closed): любой элемент интервала не меньше левой границы и не больше ограниченного, и$Large_\sigma(\mathcal{D})$закрытый интервал

• предмет сделки (transaction): Он состоит из нескольких разных элементов, которые можно разделить на несколько наборов элементов.$T$выражать

• Служба поддержки(support): измерить, является ли набор элементов/элементов количественным показателем, необходимым пользователю, формула расчета$supp_\mathcal{D}$ = $\frac{count_\mathcal{D}(X)}{\mid \mathcal{D} \mid}$Молекулярное представление$X$в наборе данных$\mathcal{D}$Общее количество вхождений в , а знаменатель указывает, сколько элементов транзакций содержит набор данных; в этой статье используется скорость изменения поддержки (GrowthRate) для измерения того, нужен ли элемент/набор элементов

  • когда$supp_1(X)$= 0 и$supp_2(X)$= 0, то$GrowthRate(X)$= 0;
  • когда$supp_1(X)$= 0 и$supp_2(X) \not=$0, тогда$GrowthRate(X)$ = $\infty$;
  • в противном случае,$GrowthRate(X)$ = $\frac{supp_2(X)}{supp_1(X)}$

  в,$supp_1(X)$и$supp_2(X)$соответственно$X$в исходном наборе данных$\mathcal{D}_1$и измененный набор данных$\mathcal{D}_2$поддержка в и$\mathcal{D}_2$в порядке после$\mathcal{D}_1$

• Поскольку алгоритм учитывает скорость изменения, более интуитивно понятно описать проблему с двумерными координатами, как показано на следующем рисунке.

  

  в соответствии с$l_1$,$l_2$и$l_3$Три условия могут быть получены 1, 2 и 3 три интервала добычи EP,

  • Интервал 1: Ниже обоих предустановленных порогов одновременно, т.е.Доля этого пункта в целом очень мала, но ситуация сильно изменилась до и после, к сожалению, в настоящее время нет хорошего решения этой ситуации
  • Интервал 2: основной объект исследования этой статьи, пространство поиска ограничено самыми большими наборами элементов в двух наборах данных до и после в качестве границы (т. е. прямоугольником).$BCDG$) быстро и точно добывать все ОИ;например всплеск продаж
  • Интервал 3: больше двух предустановленных порогов одновременно, что означаетБаза этого пункта очень велика, и изменение нельзя четко проследить только через числовое значение, его нужно выделить в виде коэффициента.

• граница(border): форма $\mathcal{L}$, $\mathcal{R}$> Такие упорядоченные пары называются границами, где$\mathcal{L}$левая граница,$\mathcal{R}$правая граница (Ps. Обратите внимание, что эти две границы являются наборами, а не значением, поэтому их можно рассматривать какминимальный наборимаксимальный набор), поэтому отрезок [$\mathcal{L}$, $\mathcal{R}$] ограничен $\mathcal{L}$, $\mathcal{R}$>

  • Точно так же в качестве границ можно использовать сверхбольшие/маленькие наборы элементов.$LargerBorder_\sigma(\mathcal{D})$и$SmallBorder_\sigma(\mathcal{D})$выражать
  • Во-вторых, в наборе данных$SmallBorder_\sigma(\mathcal{D})$должно бытьпустой набор(не может существовать меньших границ), для этого, чтобы найти все EP, просто укажите$LargerBorder_\sigma(\mathcal{D})$Просто

алгоритм

Border-Diff

Процесс в основном заключается в использовании разницы между парой границ для получения новой границы.

Еще немного пояснений"non-minimal itemsets”: Как видно из исходного текста, после окончания первого шага базовой версии Border-Diff,$\mathcal{L}$= {{1}, {1, 4}, {1, 3}, {1, 3, 4}, {1, 2}, {1, 2, 4}, {1, 2, 3}, {2 , 3, 4}} (обратите внимание, что они написаны в порядке перечисления); то, что нужно удалить на втором шаге, этосуперсет(это,non-minimal itemsets), сохранить наименьшее подмножество (надмножество можно получить, расширив дерево перечисления подмножеств); таким образом, окончательный результат$\mathcal{L}$ = {{1}, {2, 3, 4}}

MBD-LLBorder

Ссылаться на

1. Efficient Mining of Emerging Patterns: Discovering Trends and Differences