https://blog.csdn.net/tmb8z9vdm66wh68vx1/article/details/80288291
CPT用于做序列预测。
通过比对已经出现过的序列,对目标序列进行预测。
对文中预测阶段的理解:
对目标序列的下一状态进行预测,因此首先在预测树中查找与目标序列相似的序列,得到相似序列的后续序列。对后续序列中的每个值计算得分。
目标序列=
[‘A’,’B’,’C’] 相似序列=
[‘X’,’A’,’Y’,’B’,’C’,’E’,’A’,’F’] 目标序列的最后一项=
‘C’相似序列中‘C’发生后的最长子序列=
[‘E’,’A’,’F’] 后续序列=
[‘E’,’F’]
当训练数据中不存在与目标序列足够多的相似数据时,预测结果会受到影响,比如设定n=3,但是只能得到1位或结果为空。作者给出的方法是删去相应的目标序列==肯定不可行啊!
反之,当训练集与预测集足够相似时,预测效果较好。