生成一般性规律的序列

2 篇文章 0 订阅
当我们要生成一些有规律的测试数据时,可以根据循环变量 i 产生一系列的有规律的重复数据.
以下使用SQL语言描述其中的方法
declare @i int
set @i = 0

while (@i < 18000)
begin
SELECT (@i / 2)% 60 -- 产生两个连续相同的0~59的重复序列,
       ,@i % 2      -- 产生0,1的重复序列
       ,@i % 3      -- 产生0,1,2的重复序列
,power(-1,(@i%2)) -- 产生 -1, 1的序列 ,(SIN(convert(float,@i)/3)*1000+2000 )* power(-1,(@i%2)) -- 产生 -2999 ~ 2999的序列,并且当i为奇数是为负数 ,dateadd(hour, ((@i / 2)/ 60), '2008-05-01') -- 从'2008-05-01'开始,每120个增加1小时的时间值 set @i = @i + 1; end
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
序列模式挖掘是一种数据挖掘技术,用于从时间序列数据中发现频繁出现的模式。一般而言,序列模式挖掘包括以下几个步骤: 1. 数据预处理:首先对原始数据进行预处理,包括数据清洗、去噪、归一化等操作,以确保数据的质量和一致性。 2. 序列表示:将时间序列数据转化为合适的序列表示形式,常用的方法包括符号序列表示、向量表示等。这一步骤的目的是将时间序列数据转化为适合进行模式挖掘的形式。 3. 候选模式生成:根据序列数据生成候选模式集合。常用的方法包括基于滑动窗口的方法、基于前缀树的方法等。候选模式是指可能包含频繁模式的候选序列。 4. 模式评估:对生成的候选模式进行评估,筛选出频繁模式。频繁模式是在序列数据中经常出现的模式。 5. 模式解释和应用:对于挖掘到的频繁模式,进行解释和应用。可以通过模式解释来理解数据中的规律和趋势,也可以将频繁模式应用于预测、分类等任务。 在每个阶段的主要任务如下: - 数据预处理:清洗数据、去噪、处理缺失值等,确保数据的质量和一致性。 - 序列表示:将时间序列数据转化为适合进行模式挖掘的形式,如符号序列或向量表示。 - 候选模式生成生成候选模式集合,这些候选模式可能包含频繁模式。 - 模式评估:对候选模式进行评估,筛选出频繁模式。 - 模式解释和应用:对频繁模式进行解释和应用,理解数据规律和趋势,或应用于预测、分类等任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值