Data Mining - Pattern Mining: basic concept and methods

30 flashcards · Computer Science · by ehartl

1. Begriff: Mustererkennung

   Definition: Mustererkennung bezieht sich auf den Prozess der Identifizierung von wiederkehrenden Strukturen, Mustern oder Trends in den Daten.

2. Begriff: Musterrepräsentation

   Definition: Musterrepräsentation bezieht sich auf die Darstellung von identifizierten Mustern in einer geeigneten Form, um sie analysieren und interpretieren zu können.

3. Begriff: Mustermining

   Definition: Mustermining bezieht sich auf den Prozess des Auffindens von Mustern in den Daten. Dies umfasst Techniken zur Extraktion von interessanten, bedeutungsvollen und aussagekräftigen Mustern.

4. Begriff: Mustersprache

   Definition: Eine Mustersprache ist eine formale Sprache, die verwendet wird, um Muster zu beschreiben und zu modellieren. Sie bietet eine strukturierte Darstellung und ermöglicht die effiziente Analyse von Mustern.

5. Begriff: Unterstützung und Konfidenz

   Definition: Unterstützung und Konfidenz sind Maße, die verwendet werden, um die Qualität und Aussagekraft von Mustern zu bewerten. Die Unterstützung misst, wie häufig ein Muster in den Daten vorkommt, während die Konfidenz die Wahrscheinlichkeit angibt, dass ein Muster auftritt, wenn ein bestimmtes Ereignis eintritt.

6. Begriff: Musterarten

   Beispiel: Häufige Muster, assoziative Muster, sequenzielle Muster, strukturelle Muster.

7. Begriff: Häufige Muster

   Definition: Häufige Muster sind Muster, die in den Daten mit einer Mindestunterstützungsfrequenz vorkommen. Sie können als Grundlage für verschiedene Data-Mining-Aufgaben dienen.

8. Begriff: Assoziative Muster

   Definition: Assoziative Muster sind Muster, die das gleichzeitige Auftreten von Attributen oder Ereignissen in den Daten beschreiben. Sie ermöglichen das Entdecken von Beziehungen und Abhängigkeiten zwischen den Daten.

9. Begriff: Sequenzielle Muster

   Definition: Sequenzielle Muster sind Muster, die die Abfolge von Ereignissen über die Zeit hinweg beschreiben. Sie werden häufig in Anwendungen wie Web-Seiten-Analyse oder Prozessüberwachung verwendet.

10. Begriff: Strukturelle Muster

    Definition: Strukturelle Muster sind Muster, die die strukturellen Beziehungen zwischen Objekten in den Daten beschreiben. Beispiele sind hierarchische Strukturen, Netzwerke oder Graphen.

11. Begriff: Apriori-Algorithmus

    Definition: Der Apriori-Algorithmus ist ein weit verbreiteter Algorithmus für die Assoziationsregel-Mining. Er basiert auf der Annahme, dass häufige Elementmengen (Itemsets) auch in den Teilmengen häufig sind und verwendet den Prinzip der Antimonotonie, um effizient nach häufigen Itemsets zu suchen.

12. Begriff: FP-Growth-Algorithmus

    Definition: Der FP-Growth-Algorithmus ist ein effizienter Algorithmus für das Mining von häufigen Mustern. Er basiert auf dem Konzept des FP-Baums (Frequent Pattern Tree) und verwendet eine Kombination aus Datenkompression und rekursivem Abstieg, um häufige Muster zu identifizieren.

13. Begriff: Support-Counting

    Definition: Support-Counting bezieht sich auf den Prozess des Zählens der Häufigkeit von Itemsets oder Mustern in den Daten. Dies ist ein entscheidender Schritt für das Mustermining und ermöglicht die Identifizierung häufiger und aussagekräftiger Muster.

14. Begriff: Support-Counting-Techniken

    Beispiel: Apriori-Algorithmus, FP-Growth-Algorithmus, verteiltes Support-Counting.

15. Begriff: Generierung von Assoziationsregeln

    Definition: Die Generierung von Assoziationsregeln bezieht sich auf den Prozess des Ableitens von Regeln aus häufigen Mustern. Diese Regeln beschreiben Beziehungen zwischen den Datenattributen und ermöglichen Vorhersagen oder Schlussfolgerungen.

16. Begriff: Regelstärke

    Definition: Die Regelstärke ist ein Maß für die Aussagekraft einer Assoziationsregel. Sie wird in der Regel durch die Konfidenz und die Unterstützung der Regel bestimmt und gibt an, wie zuverlässig und signifikant die Regel ist.

17. Begriff: Regelpruning

    Definition: Regelpruning bezieht sich auf den Prozess der Entfernung von unerwünschten oder uninteressanten Regeln. Dies kann basierend auf bestimmten Schwellenwerten, wie der Regelstärke oder der Anzahl der beteiligten Attribute, erfolgen.

18. Begriff: Sequenzmuster

    Definition: Sequenzmuster sind Muster, die die Abfolge von Ereignissen oder Aktionen über die Zeit hinweg beschreiben. Sie werden häufig in Anwendungen wie Web-Seiten-Analyse, Genomik oder Aktienhandel verwendet.

19. Begriff: Sequenzmuster-Mining

    Definition: Das Sequenzmuster-Mining bezieht sich auf den Prozess des Auffindens von wiederkehrenden Mustern oder Trends in sequenziellen Daten. Dies ermöglicht die Identifizierung von Verhaltensmustern, Zeitabläufen oder Prozessabfolgen.

20. Begriff: Zeitfenster

    Definition: Ein Zeitfenster ist ein festgelegter Zeitraum, der zur Begrenzung der Suche nach Sequenzmustern verwendet wird. Es ermöglicht die Fokussierung auf einen bestimmten Zeitbereich und erleichtert die Analyse von zeitabhängigen Mustern und Trends.

21. Begriff: Zeitstempel

    Definition: Ein Zeitstempel ist eine Markierung, die jedem Ereignis oder Datenpunkt einen Zeitwert zuordnet. Zeitstempel sind wichtig für das Sequenzmuster-Mining, um die zeitliche Abfolge von Ereignissen oder Aktionen zu erfassen und zu analysieren.

22. Begriff: Fensterschieben

    Definition: Das Fensterschieben bezieht sich auf den Vorgang, bei dem das Zeitfenster schrittweise über die Zeitachse verschoben wird, um verschiedene Zeitbereiche abzudecken. Dies ermöglicht die kontinuierliche Analyse von Sequenzmustern über die Zeit hinweg.

23. Begriff: Event-Itemsets

    Definition: Event-Itemsets sind Gruppen von Ereignissen oder Aktionen, die gemeinsam in einer bestimmten Sequenz vorkommen. Sie bilden die Grundlage für das Sequenzmuster-Mining und helfen bei der Identifizierung von wiederkehrenden Abfolgen von Ereignissen.

24. Begriff: GSP-Algorithmus

    Definition: Der GSP-Algorithmus (Generalized Sequential Pattern) ist ein verbreiteter Algorithmus für das Mining von Sequenzmustern. Er basiert auf der generellen Sequenzstruktur und verwendet die Support-Counting-Technik, um häufige Sequenzmuster zu finden.

25. Begriff: Zeitbasiertes Sequenzmuster-Mining

    Definition: Das zeitbasierte Sequenzmuster-Mining bezieht sich auf das Mining von Sequenzmustern unter Berücksichtigung von Zeitinformationen. Es ermöglicht die Analyse von zeitlichen Zusammenhängen, Mustern und Trends in sequenziellen Daten.

26. Begriff: Subsequenzmuster

    Definition: Subsequenzmuster sind Teilsequenzen oder Unterfolgen in einer Sequenz, die wiederholt auftreten. Sie können wichtige Informationen über häufige Muster und Verhaltensweisen liefern.

27. Begriff: Episode-Muster

    Definition: Episode-Muster sind Muster, die das gleichzeitige Auftreten mehrerer Ereignisse in einer Sequenz beschreiben. Sie ermöglichen die Erfassung von komplexen Beziehungen und Abhängigkeiten zwischen den Ereignissen.

28. Begriff: Zustandsübergangsdiagramm

    Definition: Ein Zustandsübergangsdiagramm ist eine grafische Darstellung der Zustände und Übergänge zwischen Zuständen in einer Sequenz oder einem Prozess. Es wird häufig verwendet, um das Verhalten von Sequenzen zu modellieren und zu analysieren.

29. Begriff: Closed Sequence Mining

    Definition: Closed Sequence Mining bezieht sich auf das Mining von Sequenzmustern unter Berücksichtigung der Schließungseigenschaft. Dabei werden redundante oder subsumierte Muster eliminiert, um nur die repräsentativsten und aussagekräftigsten Muster zu extrahieren.

30. Begriff: Web Usage Mining

    Definition: Web Usage Mining bezieht sich auf das Mining von Mustern und Informationen aus Web-Nutzungsdaten. Es umfasst das Erfassen, Analysieren und Extrahieren von Wissen aus Benutzerinteraktionen auf Websites, um beispielsweise Benutzerpräferenzen, Navigationstrends oder personalisierte Empfehlungen zu ermitteln.