發(fā)信人: yaomc (白頭翁&山東大漢), 信區(qū): DataMining
標  題: [合集]誰能介紹一下時間序列的數(shù)據(jù)挖掘？
發(fā)信站: 南京大學(xué)小百合站 (Sun Dec  9 21:02:07 2001), 站內(nèi)信件

imaniu (aniu) 于Mon Oct 29 18:53:58 2001提到：

跟一般的數(shù)據(jù)挖掘相比有何特點？
尤其是金融和工業(yè)領(lǐng)域的時間序列
謝謝


yaomc (白頭翁&山東大漢) 于Tue Oct 30 20:28:30 2001提到：

下面的內(nèi)容摘自www.dmgroup.org.cn.

挖掘基于時間序列的數(shù)據(jù)

張寶生 bszhang@sina.com

時間序列的數(shù)據(jù)庫內(nèi)某個字段的值是隨著時間而不斷變化的，例如股票價格每天的
漲跌，科學(xué)實驗，瀏覽網(wǎng)頁的次序等。

這兒，我們運用數(shù)據(jù)挖掘的方法來對這些數(shù)據(jù)庫進行“趨勢分析”，“相似搜索”
，“挖掘序列模式”，“時段模式”。

一，           趨勢分析：

一個變量Y，表示某一支股票每天的收盤價，可以看作是時間t的函數(shù)，例如：
Y=F(t);

這樣的函數(shù)可以用一個時間序列的圖來表示。

       我們怎么樣來分析這些時間序列的數(shù)據(jù)呢？這兒有四個方面值得我們注意
的：

1，    長時間的走向：表明在很長一段時間內(nèi)總的走向趨勢，這個可以用一個“
趨勢曲線”或者“趨勢直線”來顯示，具體方法將在下面講到。

2，    周期的走向與周期的變化：直線和曲線的振蕩并不是周期的，這個循環(huán)并
不遵循基于相等時間的規(guī)律。

3，    季節(jié)性的走向與變化：例如在情人節(jié)來之前，巧克力和花的銷量突然的增
大。換一個話說，就是在連續(xù)的很多年中，有一段時期總是與這年中的其他時期大
不同。

4，    不規(guī)則的隨機走向；由于一些突發(fā)的偶然事件而產(chǎn)生的。

上面這些走向我們分別可以用變量T，C，S，I來表示，時間序列分析也就可以是將
一個時間序列的數(shù)據(jù)分割成這四個基本的趨勢。這時間序列變量Y就可以模化為這
四個變量的乘積或者是總和。

“給定Y的的集合，我們怎么樣來分析出數(shù)據(jù)的走向呢？”

  一個很普遍的方法就是計算平均值，這個方法就叫做“moving average of 
order n”。如果采用一個有權(quán)重的方法的話，就是“weighted moving average 
of order n”。

例：給定9 個數(shù)的序列，我們計算出它的moving average of order 3和
weighted moving average of order 3（用權(quán)重1，4，1）。這個可以用下表來表
示：

   3，7，2，0，4，5，9，7，2

      4，3，2，3，6，7，6

      5.5,  2.5, 1，3.5，5.5，8，6.5

給中間一個權(quán)重大是為減少平滑的影響。

那么我們還有沒有其他的方法來估計這個趨勢呢？其中的一個方法是“freehand 
method”：用一個相似的曲線來代替數(shù)據(jù)，這兒最相似的曲線我們定義為di的總和
最小，di是指曲線yi與實際數(shù)據(jù)yi的差。

有沒有一些方法來調(diào)整季節(jié)性波動的數(shù)據(jù)呢？在實際的商業(yè)運用中，人們總想一般
化季節(jié)性的波動。我們可以采用seasonal index numbers的方法。

二，           挖掘序列模式。

“什么是序列模式挖掘？”序列模式挖掘是基于時間或者其他序列的經(jīng)常發(fā)生的模
式。序列模式的一個例子就是“一個9個月前買了一臺PC的顧客有可能在一個月內(nèi)
買一個新的CPU”。很多數(shù)據(jù)都是這種時間序列形式的，我們就可以用它來市場趨
勢分析，客戶保留和天氣預(yù)測等等。

  序列模式挖掘的例子和參數(shù)：有很多參數(shù)對于挖掘的結(jié)果影響很大：

   首先是時間序列T的持續(xù)時間，也就是這個時間序列的有效時間或者是用戶選擇
的一個時間段，例如1999年。這樣序列模式挖掘就被限定為對某段特定時間內(nèi)的數(shù)
據(jù)的挖掘。

   其次是時間折疊窗口w，在一段時間內(nèi)發(fā)生的幾件事件可以被看作是同時發(fā)生的
，如果w被設(shè)置為持續(xù)時間T的長度，我們就可以發(fā)現(xiàn)一些關(guān)聯(lián)模式——“在1999年
，一個買了PC機用戶又買了數(shù)字照相機”（并不考慮先后順序）。如果w被設(shè)置為
0，那么序列模式就是兩個事件發(fā)生在不同的時間里——“已經(jīng)買了Pc機和內(nèi)存的
顧客有可能在以后買一個光驅(qū)”。如果w被設(shè)置為一段時間間隔（例如一個月或者
是一天），那么在這段時間的交易在分析中可以被看作是同時發(fā)生的。

第三個參數(shù)是時間間隔，int,這個參數(shù)表示發(fā)現(xiàn)的模式的時間間隔。

Int=0:在這兒，我們要考慮參數(shù)w,例如如果這個參數(shù)設(shè)置為一個星期，那么發(fā)生了
事件A,事件B會在一星期內(nèi)發(fā)生。

Min_interval<max_interval：表示我們發(fā)現(xiàn)的事件發(fā)生的間隔小于min_interval
大于max_interval。例如：“如果一個租了影片A,那么他一定會在一個月內(nèi)租影片
B”,這兒隱含著int<30。

Int=c而c不為0,那么意味著兩件事的間隔在固定的時間內(nèi)，例如：每次股票A下跌
了5%，那么兩天后會發(fā)生什么事？

 



kdd (kdd) 于Wed Oct 31 10:58:28 2001)
提到：

關(guān)于時間序列，在《隨即過程〉中有關(guān)于它的介紹，不過都是公式，很難理解！

要是學(xué)數(shù)學(xué)還能理解的！