Résumé de section

    • Objectifs du chapitre

      1. Comprendre les concepts de base des séquences, sous-séquences, et le calcul du support.

      2. Maîtriser les techniques de visualisation des séquences.

      3. Analyser les caractéristiques des séquences : longitudinales vs transversales.

      4. Apprendre à mesurer la similarité entre séquences.

      5. Découvrir les algorithmes de fouille de motifs séquentiels : AprioriAll, GSP et SPADE.

      6. Explorer les motifs séquentiels avec contraintes et l'analyse de périodicité dans les motifs séquentiels.

    • Contenu du chapitre Fichier

      Ce chapitre approfondit les concepts de l'analyse de données séquentielles en introduisant des notions avancées. Il explore les caractéristiques des séquences et les méthodes de calcul de similarité. Le chapitre présente également des algorithmes de fouille de motifs séquentiels.

    • Références:

      Vous pouvez consulter ces sources supplémentaires pour approfondir vos connaissances sur l'extraction de motifs séquentiels :

      • Zaki, M. J. (2001). SPADE: An efficient algorithm for mining frequent sequences. Machine learning, 42, 31-60.
      • Mooney, C. H., & Roddick, J. F. (2013). Sequential pattern mining--approaches and algorithms. ACM Computing Surveys (CSUR), 45(2), 1-39.
      • Fradkin, D., & Mörchen, F. (2015). Mining sequential patterns for classification. Knowledge and Information Systems, 45, 731-749.
      • Aoga, J. O., Guns, T., & Schaus, P. (2017). Mining time-constrained sequential patterns with constraint programming. Constraints, 22, 548-570.
      • Fournier-Viger, P., Lin, J. C. W., Kiran, R. U., Koh, Y. S., & Thomas, R. (2017). A survey of sequential pattern mining. Data Science and Pattern Recognition, 1(1), 54-77. 
    • Form de discussion pour chapitre 2 Forum