序列模式

什么是序列模式

Apriori处理的数据没有考虑每个客户在超市多次购物的情况。
序列模式：一个用户在不同时间点的交易记录就构成了一个购买序列，
N个用户的购买序列就组成一个规模为N的序列数据集.。
Apriori目的：挖掘出频繁集，找到其中的关联规则
对于Apriori处理的数据集设置支持度阈值为：2
则（面包机、面包）为频繁集
设置可信度为：0.7
则关联规则：面包机 ——> 面包
这条关联规则的意义：在一次交易中买了面包机，就很可能买面
序列模式目的：挖掘满足最小支持度的频繁序列
对于序列模式处理的数据集设置支持度阈值为：2
则<面包机 面包> 为频繁序列
这条频繁序列的意义:如果一个顾客买了面包机，那么他以后就回来买面包
如果我来经营一家超市，通过Apriori算法，我需要将面包机与面包放在一起，通过序列模式，我知道如果一段时间内面包机卖了很多，我将多进货面包

序列模式三个算法GSP SPADE PrifixSpan

GSP

GSP算法由Srikant&Agrawal于1996年提出

举例：


设置支持度阈值为：3


（1）扫描序列数据库，对每一项进行支持度统计，得到长度为1的频繁序列模式

（2）根据长度为1的频繁序列，通过连接操作生成长度为2的候选序列模式，然后扫描序列数据库，计算每个候选序列的支持度，通过删除操作产生长度为2的频繁序列模式

（3）根据长度为2的频繁序列，通过连接操作生成长度为3的候选序列模式，然后扫描序列数据库，计算每个候选序列的支持度，通过删除操作产生长度为3的频繁序列模式

这里没有统计<A,AB>，因为<A,A>是非频繁序列（根据公理：如果一个序列是频繁序列，那么它的子序列也是频繁序列；如果一个序列是非频繁序列，那么包含它的序列也是非频繁序列）
没有统计<B,AB>也是同样的道理。

SPADE

SPADE算法是Zaki在2001年发表的《An efficient algorithm for mining frequent sequences》提出的。

SPADE的算法过程和GSP类似，只是在扫描的时候不是扫描整个数据库，而是扫描ID_LIST.

举例：