[Enciclopedia Online Gratuita] Diccionario de Internet y Tecnologías de la Información y la Comunicación (TIC):

ıllı Minería de secuencias : que es, definición y significado, descargar videos y fotos.

  ıllı Minería de secuencias : que es, definición y significado, descargar videos y fotos.  

En el campo de la minería de datos y extracción de conocimiento, la minería de secuencias es un caso en particular de la minería de datos estructurados. Consiste en hallar patrones estadísticamente relevantes en compilaciones de datos que están representados de forma secuencial.? Debido a la frecuencia con que aparecen este género de datos en escenarios de aplicaciones reales, esta técnica forma uno de los métodos más populares de descubrimiento de patrones.

Los patrones usuales logrados a lo largo del minado de secuencias, se utilizan en labores de detección de dependencias funcionales, predicción de tendencias, interpretación de fenómenos y como soporte de resoluciones en estrategias de producción.

Las secuencias son un esencial género de datos, que representa una clase singular de estructura donde importa el orden que ocupan los elementos (conjunto de ítems del inglés itemset). Este orden, puede o bien no estar relacionado con el factor tiempo. El tamaño de una secuencia estará dado por la cantidad de itemsets que contenga, al paso que su longitud por la cantidad de ítems.

Ejemplos propios de secuencias, son las secuencias genéticas como las de ADN y ARN. Un caso menos trivial es la representación de los registros de compras desde secuencias. Este patrón secuencial relacionaría las transacciones de un conjunto de clientes del servicio a lo largo del tiempo y las asociaciones que se conseguirían al minar estos datos, mostrarían las dependencias entre los productos en el intervalo de tiempo analizado.

Desde que Agrawal y Srikant? presentaron su enfoque de minería de patrones secuenciales, esta se ha transformado en una de las labores más investigadas de la minería de datos, en tanto que muchos inconvenientes en este campo pueden ser abordados con el minado de secuencias.

Clasificación de datos secuenciales. (Aprendizaje supervisado)

La labor de clasificación de secuencias consiste en inducir una función de selección, que produzca clasificaciones para secuencias de datos desde secuencias de adiestramiento. Generalmente esto se consigue a través de la composición de alguna técnica general de clasificación, con los criterios de selección convenientes. La idea es que secuencias de datos con clasificaciones afines estén de manera estrecha relacionadas.

Esta técnica tiene una enorme aplicación en muchos escenarios como pronósticos de cambios climáticos y reconocimiento de patrones; donde se precisan efectuar predicciones de comportamientos, basándose en registros de datos históricos.

Agrupamiento de patrones secuenciales. (Aprendizaje no supervisado)

El agrupamiento de secuencias se define como la labor de separar en conjuntos a las secuencias de datos, de forma que las pertenecientes a un mismo conjunto sean muy afines entre sí, y al tiempo sean diferentes a las de otros conjuntos. Se emplea en muchos escenarios donde no se cuenta con registros de información fiable o bien donde se deben efectuar asociaciones desde la semejanza entre las secuencias que se examinan.

Un ejemplo propio de aplicación de esta técnica, es en las transacciones comerciales donde sirve para identificar diferentes conjuntos de clientes del servicio con registros de adquiere afines.

También tienen un variado empleo en la capacitación de conjuntos de secuencias de proteínas afines, para examinar a profundidad cada uno de ellos de ellos atendiendo a sus peculiaridades particulares.

Reglas de asociación con datos secuenciales.

Obtener reglas de asociación desde secuencias, se fundamenta primordialmente en el descubrimiento de patrones secuenciales usuales.

Un ejemplo de empleo de esta técnica es la representación de operaciones de distribución y marketing, desde secuencias, y las asociaciones logradas, asistirían a identificar los productos de mayor promoción, conforme con los patrones de adquiere. Por poner un ejemplo, si una pareja adquiere una nueva residencia, en el setenta por ciento de los casos se adquirirán una cama en menos de un mes.

Algoritmos de minería de secuencias frecuentes

La mayoría de los algoritmos incorporados para el minado de secuencias usuales, emplean 3 tipos diferentes de enfoques conforme a la manera de efectuar el recuento de frecuencia a los patrones secuenciales aspirantes.

• El primer conjunto de algoritmos se fundamentan en la propiedad A priori. Esta propiedad fue introducida por Agrawal and Srikant? en el minado de reglas de asociación y se fundamenta en que si un patrón es usual entonces cualquier subpatrón de él asimismo va a ser usual. Esto deja reducir el espacio de busca en el proceso de generación de aspirantes. Basado en esta estrategia se presentaron algoritmos como el AprioriAll y el AprioriSome en;? y el algoritmo GSP (Patrón secuencial extendido).?

• El segundo conjunto está formado por algoritmos que tratan de reducir el tamaño del conjunto de datos explorados, reemplazando la fase de generación de aspirantes por la realización de proyecciones y técnicas de desarrollo de patrones sobre los datos iniciales. Estos algoritmos prosiguen una filosofía de , actualizando recursivamente los conjuntos de secuencias usuales encontrados. A este conjunto pertenecen algoritmos como el FreeSpan? y el PrefixSpan.

• El tercer conjunto lo forman algoritmos que guardan únicamente las estructuras conocidas como listas de identificadores o bien de ocurrencias, que describen la localización de cada secuencia en la compilación de datos. En este conjunto se aplican técnicas como la transformación de los datos a formato vertical.

  ELIGE TU TEMA DE INTERÉS: 

---

Internet y Tecnologias

• Anterior
• Siguiente