RapidMiner GSP 序列模式挖掘-经管之家官网！

例：

设定阀值为0.2

数据：

• Chuck: a, abc, ac, de, cef
• Darlene: af, ab, acd, dabc, ef
• Egoberto: aef, ab, aceh, d, ae
• Francine: a, bc, acf, d, abeg
  

首先是支持程度的计算，以长度为2的序列为例。

对于Chunk而言，其数据中所有可能的长度为2序列为：

• (a,abc)，(a,ac)， (a,de)， (a,cef)，(abc,ac)，(abc,de)，(abc,cef)，(ac,de)，(ac,cef)，(de,cef)
  

共10个。

以Chunk数据中的序列ac为例：

• (a,abc)，(a,ac)，(a,cef)，(abc,ac)，(abc,cef)，(ac,cef)
  

满足该序列，共6个。

(abc,de)不满足序列ac的原因是：abc中的ac是同时间出现的，在同一个数据点中。

因此仅对Chunk而言，序列ac的支持程度为6/10=0.6>0.2。

算法：

长度为1的序列：

选取所有长度为1的序列集合，以阀值0.2进行筛选，所有长度为1的序列总数为20，每人5个。

序列有a,b,c,d,e,f,其支持程度分别为：

• a: 14/20=0.7>0.2
• b: 6/20=0.2>0.2
• c: 8/20=0.4>0.2
• d: 5/20=0.25>0.2
• e: 7/20=0.35>0.2
• f: 5/20=0.4>0.2
• g:1/20=0.05<0.2
• h:1/20=0.05<0.2
  

a,b,c,d,e,f超过阀值0.2，可组合成长度为2的序列有：ab,ac,ad,ae,af,bc,bd,be,bf,cd,ce,cf,de,df,ef共15种。

长度为2的序列：

数据中，所有长度为2的序列总数为40，每人（4+3+2+1）=10种。对上一步最后构建的15种长度为2的序列进行检验：

• 计算ab的支持程度为：9/40 = 0.225 > 0.2
• 计算ac的支持程度为：15/40 = 0.375 >0.2
• 计算ad的支持程度为：13/40 = 0.325 >0.2
• 计算ae的支持程度为：17/40 = 0.425 >0.2
• 计算af的支持程度为：8/40 = 0.2
• 如此类推
  

算出超过阀值的长度为2的序列有：ac，ad，ae等

利用第1步筛选出的中长度为1的序列和刚筛选出长度为2的序列，构造长度为3的序列，如aac,aad,等。

长度为3的序列：

数据中，所有长度为3的序列总数为40，每人（4+3+2+1）=10种，对上一步最后构建的长度为3的序列进行检验

• 计算aac的支持程度为：7/40 = 0.175<0.2
• 计算aad的支持程度为：8/40 = 0.2
• 计算aae的支持程度为：17/40 = 0.425>0.2
  

类似地，计算出超过阀值的长度为3的序列有：aad,aae,ade, etc. 如此直至再也无法筛选出更长的序列.

最后

筛选出的所有长度超过2的序列有：ac,ad,ae,aad,aae,ade,etc等

构造的序列关系有：a->c，a->d，a->e，a->ad，a->ae，a->de等

通过领域知识对这些序列关系进行最后筛选。

其他序列挖掘算法还有：

• Free-Span
• Prefix-Span
  

[hide][/hide]

扫码或添加微信号：坛友素质互助

「经管之家」APP：经管人学习、答疑、交友，就上经管之家！
免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
扫描下方二维码下载并注册APP