我想使用一些算法来挖掘我的日志数据。
我发现了一个模式挖掘框架：http://www.philippe-fournier-viger.com/spmf/index.php?link=algorithms.php
我尝试了几种算法，BIDE+算法表现最好。
BIDE+ 算法用于从序列数据库中挖掘频繁的闭合序列模式。
有人能解释一下“封闭”顺序模式和开放模式的定义吗？
【问题讨论】：
标签： pattern-matching data-mining sequential apriori
很高兴您使用我的SPMF software。
支持顺序模式是包含顺序模式的序列数。
频繁序列模式是至少出现在序列数据库的“minsup”序列中的模式，其中minsup是用户设置的参数。 p>
频繁闭合序列模式是一种频繁序列模式，因此它不包含在具有完全相同支持的另一个序列模式中。
PrefixSpan 等算法会发现频繁的顺序模式。 BIDE+ 等算法会发现频繁的闭合序列模式。 BIDE+ 通常比 PrefixSpan 快得多，因为它使用修剪技术来避免生成所有顺序模式。此外，封闭模式集通常比顺序模式集小得多，因此 BIDE+ 的内存效率也更高。
要知道的另一件重要事情是，封闭的顺序模式是所有顺序模式的紧凑且无损的表示。这意味着封闭的序列模式集通常要小得多，但它是无损的，这意味着它允许恢复完整的序列模式集（没有信息丢失），非常方便。
我可以举一个简单的例子。
让我们考虑 4 个序列：
a b c d e
a b d
b e a
b c d e
假设 minsup = 2。
b c 是一种频繁的序列模式，因为它出现在两个序列中（它支持 2）。 b c 不是一个封闭的序列模式，因为它包含在一个更大的序列模式 b c d 中，具有相同的支持。
b c d 的支持为 2。它也不是封闭的顺序模式，因为它包含在具有相同支持的更大的顺序模式 b c d e 中。 b c d e 是一个封闭的顺序模式，因为它不包含在具有相同支持的任何其他顺序模式中。
顺便说一句，你也可以查看我关于sequential pattern mining的调查。它很好地介绍了这个主题和不同的算法。
【讨论】：
b c 出现在三个序列中（1,3， 4)，所以稍作改动可能会更好。
sequential generator patterns 怎么样？什么是发电机？我无法通过谷歌找到任何有关它的详细信息。
谷歌搜索“闭合频繁项集”。将有很多页面解释这一点，任何数据挖掘书籍也将如此（查找 APRIORI 算法）。
"Closed" 表示没有更大的项集具有 same 支持。可以有更大的项集，但它们必须具有更低的支持度。
对于大多数用例，查看最大值或仅查看封闭项集就足够了。
【讨论】：