nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

53954_de-DE

liliconcom

Sequentielles Muster- und Sequenzmuster-Mining in JMP PRO?

Hallo Jmp Community!

Ich bin so glücklich, dass JMP seit seiner ersten Auflage so viele tolle Sprünge gemacht hat. Jetzt verfügt es über prädiktive Analysetools.

Ich habe mich gefragt, ob JMP PRO sequentielle Pattern-Mining-Optionen in JMP anbietet (z. B. Studienfälle, in denen die Reihenfolge der Produkte untersucht werden soll, die ein Verbraucher während eines bestimmten Zeitraums auswählt).

Ist das möglich? Wenn ja, wie führe ich diese Analyse durch?

Alle aufschlussreichen Antworten, die sich auf Lernressourcen beziehen, werden sehr geschätzt.

Vielen Dank für Ihre Einsichten im Voraus

Re: Sequentielle Muster- und Sequenzmuster-Mining in JMP PRO?

Hallo Triunk.

Ich habe Ihren Beitrag Mitte April gesehen und gehofft, dass jemand Möglichkeiten bietet. Ich habe keine schlüsselfertige Lösung, und ich warte gespannt auf JMP14.1-Updates für das Text-Mining.

Wenn ich ein ähnliches Problem hätte, das Sie beschrieben haben, würde ich es in drei Teile unterteilen:

Klassifizierung der Einkäufe. Zum Beispiel Fernseher, Lautsprecher, DVR, DiscPlayer (Blue Ray), Couch / Liege ... Erstellen Sie Codes für die Klassifizierungen. Schritt 1 ist also Klassifizierung und Code.
Erstellen Sie eine Tabelle / Sequenzen, bei denen jede Zeile ein Consumer ist, möglicherweise einige Demografiespalten, falls verfügbar, und dann Spalten für Purchase 1-k und Date 1-k. Schritt 2 ist das Erstellen / Organisieren von Daten für die Analyse.
Analysieren

Ich würde wahrscheinlich mit so etwas wie der Suche nach der längsten gemeinsamen Sequenz beginnen und Verteilungen / Zusammenfassungen erstellen und Techniken und Diagramme verwenden, die denen ähneln, die für MDS verwendet werden, mehrdimensionale Skalierung. Siehe den Link:

https://en.wikipedia.org/wiki/Mehrdimensionale Skalierung ).

JMP bietet eine Funktion mit der Bezeichnung Shortest Edit Distance () und ein Beispiel für die längste gemeinsame Sequenz. Sie können eine Websuche für die längste gemeinsame Sequenz (LCS) durchführen. Um n zu finden, wird eine lineare Programmierung oder Rekursion verwendet. Hier sind zwei Links, wenn Sie die Details sehen möchten:

https://www.youtube.com/watch?v=Qf5R-uYQRPk verwendet Rekursion
https://www.youtube.com/watch?v=NnD96abizww verwendet eine dynamische Programmiermatrix

Die JMP-Funktion Shortest Edit Distance () ist sehr leistungsfähig und ermöglicht mehrere Methoden zur Anzeige der Ergebnisse. Wir haben ein Beispielskript für unser Buch erstellt. Ich habe es nicht angehängt, da ich das Gefühl habe, dass Sie nach etwas mehr schlüsselfertigem suchen.

Unten ist das Skript aus dem Skriptindex kopiert. Probieren Sie es für verschiedene Saiten aus.

Names Default To Here( 1 );
editList = Shortest Edit Script(
 "time flies like an arrow",
 "fruit flies like a banana"
);
common = "";
/* assemble a longest common subsequence */
For( i = 1,
 i <= N Items( editList ), i++,
 If( editList[i][1] == "Common", 
/* or Insert or Remove */
             common = common || editList[i][2] /* the snippet */
 )
);
common;

Dieses Buch sah interessant aus und es scheint einige Pakete in Python und R für diese Art von Analyse zu geben

https://www.amazon.com/Marketing-Data-Science-Techniques-Predictive/dp/0133886557 . Beachten Sie, dass JMP Python und R ausführen und Ergebnisse an JMP zurückgeben kann.