Bài giảng Decision Support Systems - Appendix A: An Overview on Time Series Data Mining

Conclusions An overview of recent advances in Time series data mining Feature-based dimensionality reduction Discretization Further research: Empirical comparisons Applications in time series data mining (clustering, classification, finding motifs, anomaly detection, prediction,etc.)

ppt37 trang | Chia sẻ: vutrong32 | Ngày: 20/10/2018 | Lượt xem: 132 | Lượt tải: 0download
Bạn đang xem trước 20 trang tài liệu Bài giảng Decision Support Systems - Appendix A: An Overview on Time Series Data Mining, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
Appendix A: An Overview on Time Series Data MiningDuong Tuan AnhFaculty of Computer Science & EngineeringHo Chi Minh City University of TechnologyOctober 2009Course: Decision Support Systems1An Overview on Time series Data Mining Outline IntroductionSimilarity Search in Time Series DataFeature-based Dimensionality ReductionDiscretizationOther Time Series Data Mining TasksConclusions2Introduction05010015020025030035040045050023242526272829 25.1750 25.2250 25.2500 25.2500 25.2750 25.3250 25.3500 25.3500 25.4000 25.4000 25.3250 25.2250 25.2000 25.1750 .. .. 24.6250 24.6750 24.6750 24.6250 24.6250 24.6250 24.6750 24.7500A time series is a collection of observations made sequentially in time. Examples: Financial time series, scientific time series3Time series Similarity SearchSome examples: - Identifying companies with similar patterns of growth. - Determining products with similar selling patterns - Discovering stocks with similar movement in stock prices. - Finding out whether a musical score is similar to one of a set of copyrighted scores. 4Time series Similarity Search Distance MeasuresEuclidean distanceDynamic Time WarpingOther distance measures5Euclidean Distance Metric Given two time series Q = q1qn and C = c1cn their Euclidean distance is defined as:QCD(Q,C)6Fixed Time AxisSequences are aligned “one to one”.“Warped” Time AxisNonlinear alignments are possible.Dynamic Time Warping (Berndt et al.)Dynamic Time Warping is a technique that finds the optimal alignment between two time series if one time series may be “warped” non-linearly by stretching or shrinking it along its time axis.This warping between two time series can be used or to determine the similarity between the two time series.7Dynamic Time WarpingDTW facilitates the discovery of flexible patterns from time series.DTW is used in speech regcognition to determine if two waveforms represent the same spoken phrase. Disadvantage: Dynamic programming High computational complexityRecently, there has been a lot of research work in improving DTW efficiency.8Feature-based Dimensionality Reduction Time series databases are often extremely large. Searching directly on these data will be very complex and inefficient. To overcome this problem, we should use some of transformation methods to reduce the magnitude of time series. These transformation methods are called dimensionality reduction techniques.9Let denote a time series query as T = t1,,tn, and the set of time series which constitute the database as Y = {Y1,YK}. We assume each sequence in Y is n units long. Let N be the dimensionality of the transformed space we wish to index (1 ≤ N ≤ n). For convenience, we assume that N is a factor of n. CRatio = N/n is the compression ratio.10020406080100120140CAn Example of a Dimensionality Reduction Technique I 0.4995 0.5264 0.5523 0.5761 0.5973 0.6153 0.6301 0.6420 0.6515 0.6596 0.6672 0.6751 0.6843 0.6954 0.7086 0.7240 0.7412 0.7595 0.7780 0.7956 0.8115 0.8247 0.8345 0.8407 0.8431 0.8423 0.8387 RawDataThe graphic shows a time series with 128 points.The raw data used to produce the graphic is also reproduced as a column of numbers (just the first 30 or so points are shown).n = 12811020406080100120140C. . . . . . . . . . . . . . An Example of a Dimensionality Reduction Technique II 1.5698 1.0485 0.7160 0.8406 0.3709 0.4670 0.2667 0.1928 0.1635 0.1602 0.0992 0.1282 0.1438 0.1416 0.1400 0.1412 0.1530 0.0795 0.1013 0.1150 0.1801 0.1082 0.0812 0.0347 0.0052 0.0017 0.0002 ...FourierCoefficients 0.4995 0.5264 0.5523 0.5761 0.5973 0.6153 0.6301 0.6420 0.6515 0.6596 0.6672 0.6751 0.6843 0.6954 0.7086 0.7240 0.7412 0.7595 0.7780 0.7956 0.8115 0.8247 0.8345 0.8407 0.8431 0.8423 0.8387 RawDataWe can decompose the data into 64 pure sine waves using the Discrete Fourier Transform (just the first few sine waves are shown).The Fourier Coefficients are reproduced as a column of numbers (just the first 30 or so coefficients are shown).12020406080100120140CAn Example of a Dimensionality Reduction Technique IIIISortedTruncatedFourierCoefficientsC’ 1.5698 1.0485 0.7160 0.8406 0.3709 0.1670 0.4667 0.1928 0.1635 0.1302 0.0992 0.1282 0.2438 0.2316 0.1400 0.1412 0.1530 0.0795 0.1013 0.1150 0.1801 0.1082 0.0812 0.0347 0.0052 0.0017 0.0002 ...FourierCoefficients 0.4995 0.5264 0.5523 0.5761 0.5973 0.6153 0.6301 0.6420 0.6515 0.6596 0.6672 0.6751 0.6843 0.6954 0.7086 0.7240 0.7412 0.7595 0.7780 0.7956 0.8115 0.8247 0.8345 0.8407 0.8431 0.8423 0.8387 RawData 1.5698 1.0485 0.7160 0.8406 0.2667 0.1928 0.1438 0.141613020406080100120020406080100120020406080100120020406080100120020406080100120020406080100120Keogh, Chakrabarti, Pazzani & Mehrotra KAIS 2000Yi & Faloutsos VLDB 2000 Keogh, Chakrabarti, Pazzani & Mehrotra SIGMOD 2001Chan & Fu. ICDE 1999Korn, Jagadish & Faloutsos. SIGMOD 1997Agrawal, Faloutsos, &. Swami. FODO 1993Faloutsos, Ranganathan, & Manolopoulos. SIGMOD 1994Morinaka, Yoshikawa, Amagasa, & Uemura, PAKDD 2001DFTDWTSVDAPCAPAAPLA14Indexing Time SeriesFor each position in the time series, extract a window of length w, and create a feature (a point in k-dimensioned space) for it.Note: The points for a time series will constitute a trail in feature space. 3. Partition the trail into suitable subtrails - Minimal Bounding Rectangles (MBR).4. Store the MBRs in a spatial index structure.Query Q15Qthe problem is that we have to look at every point to find the nearest neighbor..16R1R2R5R3R7R9R8R6R4We can group clusters of datapoints with “boxes”, called Minimum Bounding Rectangles (MBR).We can further recursively group MBRs into larger MBRs. 17R10 R11 R12R1 R2 R3R4 R5 R6R7 R8 R9Data nodes containing pointsR10R11R12these nested MBRs are organized as a tree (called a spatial access tree or a multidimensional tree). Examples include R-tree, R*-tree, M-tree, Hybrid-Tree etc.18Bounding ConditionIn order to ensure completeness (no false dismissals): dk(X’, Y’) ≤ d(X, Y) General method of Dimensionality ReductionSelect a distance measure d.Design a dimensionality reduction technique dk over the k-dimensional reduced space.Produce a distance measure dk over the reduced space, and prove that it obeys the bounding condition.19DiscretizationDiscretization of a time series is tranforming it into a symbolic string. The main benefit of this discretization is that there is an enormous wealth of existing algorithms and data structures that allow the efficient manipulations of symbolic representations. Lin and Keogh et al. (2003) proposed a method called Symbolic Aggregate Approximation (SAX), which allows the descretization of original time series into symbolic strings. 20Symbolic Aggregate Approximation (SAX) [Lin et al. 2003]baabccbcThe first symbolic representation of time series, that allow Lower bounding of Euclidean distance Dimensionality Reduction Numerosity Reduction 21How do we obtain SAX0 20 40 60 80 100 120 C C 0 - - 020406080100120b b b ac cc abaabccbcFirst convert the time series to PAA representation, then convert the PAA to symbolsIt take linear time22Two parameter choices 0 - - 020406080100120b b b ac cc a0 20 40 60 80 100 120 C C 123456718The word size, in this case 8The alphabet size (cardinality), in this case 332123Extended SAX (ESAX) Lkhagva et al. ,2006As Extended SAX is based on SAX, we can get the mean values of the PAA of time series. After obtaining PAA, we have the equal sized segments and its mean values. Then we define max and min values in each segment.Discritize the three values to get a triple of symbols240 10 20 30 40 50 60ACF FDF FCA ABF FFF DCA25iSAX [Shieh et al. 2008] (Indexable SAX)26Time Series Data Mining tasksSimilarity SearchClassificationClusteringMotif DiscoveryNovelty/Anomaly DetectionTime series visualizationTime series prediction27Phân lớp chuỗi thời gianClass BClass AWhich class doesbelong to?Phân loại dữ liệu chuỗi thời gian thành một số lớp với một số đặc trưng nhất định. Dùng những dữ liệu chuỗi thời gian đã thống kê trong quá khứ để phân loại dữ liệu trong tương lai 28Phân lớp chuỗi thời gian (tt.)Đã có một số công trình nghiên cứu liên quan đến bài toán phân lớp dữ liệu chuỗi thời gian. Các công trình này tập trung nghiên cứu các mục tiêu: rút ngắn thời gian xử lý cho các giải thuật phân lớp, và nâng cao độ chính xác cho kết quả phân lớp. Các công trình này có thể kể như: cải tiến phương pháp xoắn thời gian động để có một cận dưới (lower bound) chặt hơn để từ đó phân lớp dữ liệu chuỗi thời gian chính xác hơn do Keogh & Ratanamahatana, 2004 thu giảm số lượng thể hiện (numerosity reduction) nhằm giảm số lượng mẫu cần so sánh, nhóm Keogh (2006); giải thuật phân lớp với thời gian tùy định (anytime classification) do Keogh và các cộng sự đề ra năm 200629Gom cụm chuỗi thời gianGom cụm (clustering) là phân hoạch dữ liệu thành các nhóm sao cho các thành phần trong cụm là tương tự nhau còn các thành phần khác cụm là rất khác nhau. 30Gom cụm chuỗi thời gian (tt.)Đã có một số công trình nghiên cứu liên quan đến bài toán gom cụm dữ liệu chuỗi thời gian. Các công trình này thường dựa trên một phương pháp thu giảm số chiều nào đó. Gom cụm dữ liệu chuỗi thời gian dựa trên dữ liệu đã biến đổi wavelet rời rạc là phương pháp được đề xuất bởi Zhang và các cộng sự năm 2006. Keogh và các cộng sự, năm 2004, đã đưa ra giải thuật I-K-means để thực hiện gom cụm dữ liệu chuỗi thời gian sử dụng phép biến đổi wavelet; Gom cụm dữ liệu chuỗi thời gian dựa trên dữ liệu đã biến đổi PAA đa mức phân giải: Keogh và các cộng sự đưa ra năm 200531Nhận dạng chuỗi con bất thường nhấtChuỗi con bất thường (unusual, abnormal, discord, novel) là chuỗi con mà khác nhất so với các chuỗi con khác trong một chuỗi thời gian. 32Nhận dạng chuỗi con bất thường nhất (tt.)Phương pháp HOT SAX, bởi Keogh và các cộng sự năm 2005: tìm kiếm chuỗi con bất thường nhất trong dữ liệu chuỗi thời gian bằng giải thuật BFDD (bruce force discord discovery) và một số heuristic cải tiến (HDD). Phương pháp WAT (wavelet and augmented trie) tìm K chuỗi bất đồng trên dữ liệu chuỗi thời gian sử dụng phép biến đổi wavelet do Y. Bu, T.W. Leung, A. Fu, và các cộng sự năm 2007. Giải thuật AWDD (adaptive window-based discord discovery) bởi M. C. Chuah và F. Fu năm 2007 dựa vào ý tưởng của BFDD nhưng cải tiến giải thuật để tìm ra kích thước cửa sổ trượt; (áp dụng cho dữ liệu chuỗi thời gian ECG). Giải thuật DADD (disk aware discord discovery) bởi Yankov và các cộng sự năm 2007 để tìm những chuỗi con bất thường nhất trên dữ liệu chuỗi thời gian có kích thước hàng terabyte.33Phát hiện mô típMô típ (mẫu lặp) là chuỗi con thường lặp lại nhiều nhất trong chuỗi thời gian 34Phát hiện mô típ (tt.)Giải thuật EMMA, Lin và các cộng sự, 2002.Giải thuật Random Projection, Chiu và các cộng sự, 2003.Giải thuật phát hiện mô típ có thể xác định chiều dài tối ưu của mô típ (Tanaka, 2007).35Hai bài toán TSDM khácDự báo dữ liệu chuỗi thời gian Neural Network Neural Network + wavelet transformKhám phá luật kết hợp từ dữ liệu chuỗi thời gian36ConclusionsAn overview of recent advances in Time series data miningFeature-based dimensionality reduction DiscretizationFurther research:Empirical comparisonsApplications in time series data mining (clustering, classification, finding motifs, anomaly detection, prediction,etc.) 37

Các file đính kèm theo tài liệu này:

  • ppttimeseries_datamining_9325.ppt
Tài liệu liên quan