Temporale Aspekte des Data Mining - diko-project.de

5 Temporale DatenanalyseUm die zuvor vorgestellten temporalen Muster ausfindig zu machen, ist eine ausführlicheAnalyse der Daten notwendig. In diesem Abschnitt werden deshalb Verfahrenvorgestellt mit deren Hilfe beispielsweise sequentielle Muster gefunden werdenkönnen.Zu Beginn wird Bezug zu den gängigen Verfahren der nicht-temporalen Datenanalysegenommen. Zu den bekannten Verfahren gehören in der Regel die Klassifikationund das Clustering. Im Anschluss wird der sogenannte GSP-Algorithmus,der sich mit sequentiellen Muster beschäftigt. Eine Optimierung des GSP stellt derSPADE-Algorithmus“ dar, der ebenfalls in diesem Kapitel ausgeführt wird. Abschließendwird dieses Kapitel noch einen kurzen Einblick in die Analyse temporaler”Assoziationsregeln geben.5.1 KlassifikationDie Klassifikation gehört zu den bekanntesten Verfahren der Datenanalyse. Währendsie in vielen Anwendungen des Data Mining erfolgreich ist, gibt es hierfür im Bereichder temporalen Daten wenig Verwendung. Denn gerade die Kernidee, das Einteilenin unterschiedliche Klassen stellt sich als schwierig dar. Dies bestätigt auch derMangel an passender Literatur [AO01]. Die folgenden Darstellungen sollen kurzaufzeigen, in welche Richtung es bereits Klassifikationsansätze gibt.5.1.1 VerschmelzungEin Ansatz probiert Sequenzen durch Verschmelzung (engl. to merge) zu klassifizieren[KP98]. Dabei werden zwei unterschiedliche Sequenzen mit einander verschmolzen,so dass das Ergebnis ein Kompromiss zwischen diesen beiden Sequenzenist. Die wiederholte Verwendung des so genannten Merge-Operators ermöglicht dieKombination mehrerer Sequenzen. Bei der Verschmelzung wird ein so genannterEinflussfaktor benutzt, um den Einfluss der zu verschmelzenden Sequenzen in dieneue Sequenz zu kontrollieren. Werden also zwei Sequenzen verschmolzen, gibt dieserFaktor für jede Ursprungssequenz an, ob die Sequenz im Vergleich zur neuenSequenz eine Verallgemeinerung oder eine Spezialisierung darstellt. Je nach Ausprägungdieses Faktors entsteht eine generalisierte Klasse (positiver Faktor) odereine spezialisierte Klasse (negativer Faktor). Dieses Verfahren wird entsprechend oftwiederholt bis eine bestimmte Anzahl von Klassen entstanden ist. Leider funktioniertdieser Vorgang nur mit wenigen Sequenzen, da sie für diesen Vorgang graphischdarstellbar sein müssen. Möglich ist die z.B. mit EKG-Daten, Aktienwerten etc..5.1.2 Weitere AnsätzeProblematisch bei der Klassifizierung ist, dass Daten meist so hoch dimensioniertsind, dass eine Zuordnung zu bestimmten Klassen unter unterschiedlichen Gesichtspunktenmöglich ist. Idee ist nun, dass man einen Mechanismus verwendet, der dierelevanten Daten extrahiert und aufgrund dieser eine Klassifizierung vornimmt. Dabeisucht man innerhalb der Sequenzen nach häufigen Subsequenzen und verwendetdiese als relevante Kennzeichen. Steht fest wonach die Daten klassifiziert werden sollen,können die traditionellen Verfahren nach Bayes oder Winnow verwendet werden[LZO99].5.2 ClusteringDas grundsätzliche Problem beim Clustern von temporalen Daten ist die Ermittlungder Anzahl von Clustern, um die unterschiedlichen Sequenzen darzustellen und19