Gli algoritmi per analisi sequenza e di carrello estraggono statisticamente serie di oggetti significativi o sequenze da transazioni per poi da questi estrarre regole generali. La sfida più grande in questo caso è rappresentata dalla quantità di dati analizzati, dato che i dati di transazione possono essere enormi, raggiungendo spesso centinaia di milioni di data set. Altre sfide riguardano il contenuto: quali regole sono statisticamente significative? Come troviamo regole per ogni oggetto? Come si comportano le regole se messe in catena?
Da molti anni prudsys AG sta sviluppando un pacchetto ad alte prestazioni di algoritmi per l'analisi di carrelli e sequenze. Questi non solo aumentano la velocità e la quantità dei dati/transazione analizzati ma coprono anche un ampio spettro di applicazioni: analisi di carrello, analisi sequenza, analisi collegamenti, analisi sequenziali di carrelli, trattamento di tassonomia, in combinazione con algoritmi di Reinforcement Learning per ottimizzazione di catene, regolazione automatica dei parametri e... molto altro.
Vantaggi
Analisi ad alta velocità di milioni di transazioni in pochi secondi.
Lavorazione di quantità di dati virtualmente infinite: tutti gli algoritmi sono disponibili in versioni di decomposizione di trasformazione. Questo significa che i dati vengono letti e processati un blocco alla volta così che non c'è la necessità di tenere in memoria tutti i dati allo stesso tempo.
Automazione dei parametri di selezione: la regolazione di parametri, come ad esempio il numero minimo di regole, è automaticamente impostata dall'algoritmo che varia i parametri come supporto minimo o livello di fiducia fino a che non individua le regolazioni target.
L'analisi sequenza può essere ottimizzata tramite RL post-processing così che le regole o il loro uso sequenziale sono ottimizzati in catene di Markov.
Degni di nota sono gli algoritmi usati per l'analisi sequenziale. La maggior parte delle implementazioni di analisi sequenza sono molto più lente della meno complessa tra le analisi algoritmiche di carrello. Per risolvere questo problema la parte più importante dell'analisi carrello, ovvero il ricorrente assemblamento di grandi set di dati con altri più ridotti, è stato trasferito con successo all'analisi sequenza. Il risultato è una famiglia di metodi di analisi sequenza brevettati la cui velocità sfiora quella degli analitici di carrello. Questa soluzione è unica al mondo.
Integrazione
Un pacchetto comprensivo di algoritmi di analisi di carrello e analisi sequenza è disponibile nella XELOPES library ed è inoltre implementato in prudsys RDE. Come tutti i modelli nella XELOPES library gli algoritmi possono essere serializzati in PMML, un formato facile da inserire e che supporta gli scambi standard di modelli.
