Chuỗi thời gian

kỹ thuật giảm số chiều dựa trên pp điểm giữa kết hợp với kỹ thuật xén (MP_C)

Giải thuật khai phá

độ phức tạp tính toán thấp

kết quả đúng

1. giảm số chiều

BÀi toán gom cụm

k-Means

I-k-Means

bài toán motif xấp xỉ

2. thực hiện trong không gian đăc trưng ( feature space)

streaming time series

chuỗi thời gian trong đó các giá trị mới tới một cách liên tục và đƣợc nối vào cuối chuỗi C theo thứ tự thời gian.

dựa vào giá trị cuối

Time series

từng khoảng thời gian liền nhau theo một tần suất thời gian thống nhất.

Bài toán

tìm kiếm tương tự (similarity search), cơ bản

gom cụm (clustering)

học không giám sát

xem xét sự phân bố dữ liệu trong tập dữ liệu lớn

tổng quát thông tin từ dự liệu lớn --> thông tin hữu ích

thường là tiền xử lý của bài toán phân lớp, tiên đoán, ra quyết định,...

phân lớp (classification),

phát hiện motif (motif discovery),

chuỗi thời gian xuất hiện nhiều nhất

nhạn dạng chữ ký, hình ảnh lặp, báo chứng khoán

tiền xử lý khai phá dữ liệu cấp cao: gom cụm chuỗi thời gian, phân lớp

khai phá luật (rule discovery)

phát hiện bất thường (anomaly detection)

trực quan hóa (visualization),

dự báo (forecast)

PP

làm trơn theo hàm mũ

nắm bắt nđược đăc trưng

ARIMA

No ron nhân tạo

Không thể xử lý một cách hữu hiệu dữ liệu có xu hƣớng hay biến đổi theo mùa nếu dữ liệu này không trải qua giai đoạn tiền xử lý để khử mùa và xu hƣớng

dựa vào hướng tiếp cận so trùng mẫu

Khó khăn

dự liệu lớn (vd: ECG)

dự liệu không đồng nhất

phụ thuộc người dùng