数据挖掘|序列模式挖掘及其算法的python实现

1. 序列模式挖掘

序列(sequence)模式挖掘也称为序列分析。
序列模式发现（Sequential Patterns Discovery）是由R．Agrawal于1995年首先提出的。
序列模式寻找的是事件之间在顺序上的相关性。

• 例如，“凡是买了喷墨打印机的顾客中，80%的人在三个月之后又买了墨盒”，就是一个序列关联规则。对于保险行业，通过分析顾客不同次的购买行为发现，顾客本次购买重疾险，下次购买分红保险，则企业可以通过对重疾险销量的统计来预测分红险的销售量。

序列模式挖掘在交易数据库分析、Web访问日志分析以及通信网络分析等领域具有广泛的应用前景。

2. 基本概念

设$I=i_1,i_2,...,i_n$是一个项集，序列就是若事件（元素）组成的有序列表。

一个序列$Se$可表示为$<s_1,s_2,...,s_n>$，其中$s_j(j=1,2,\dots ,n)$为事件，也称为$Se$的元素。

元素由不同的项组成。当元素只包含一项时，一般省去括号，例如， { i 2 } \{i_2\} { i2​}一般表示为$i_2$。

元素之间是有顺序的，但元素内的项是无序的，一般定义为词典序。序列包含项的个数称为序列的长度，长度为$L$的序列记为$L-序列$。

序列数据库就是元组$<sid,Se>$的集合，即有序事件序列组成的数据库，其中$Se$是序列，$sid$