时态数据挖掘(Temporal Data Mining)是个怎么样的研究领域？ 举报 理由 举报 取消 时态数据挖掘(Temporal Data Mining)是个怎么样的研究领域？如题，这类问题和传统的机器学习与时间序列建模有何区别和联系？最好有个简单的综述？ 2017年9月13日 2 条回复 759 次浏览 交易,学习,数据,数据挖掘,机器,统计,量化
回复 ( 2 )
综述:
An Overview of Temporal Data Mining
Temporal Data Mining: an overview – LIAAD
A survey of temporal data mining
书:
Temporal Data Mining
论文:
Temporal Data Mining of Scientific Data Provenance
A Temporal Data-Mining Approach for Discovering. End-to-End Transaction Flows
我猜题主最关心的 🙂
Flexible least squares for temporal data mining and statistical arbitrage
Intelligent Stock Market Assistant using Temporal Data Mining
Temporal Pattern Matching for the Prediction of Stock Prices
Explorative Data Mining on Stock Data – Experimental Results and Findings
A TEMPORAL PATTERN APPROACH FOR PREDICTING WEEKLY FINANCIAL TIME SERIES
EXTRACTING FORMATIONS FROM LONG FINANCIAL TIME SERIES USING DATA MINING
反面意见:
Clustering of Time Series Subsequences is Meaningless: Implications for Previous and Future Research
一般时态数据是在数据库中加入时间维度，它不仅变现了数据之间的时序关系，同时也描述了在不同数据之间有相互转换的时间过程，目前对数据挖掘文献主要有：
（1）时态关联规则挖掘，如挖掘频繁时态项集。虽然时态关联规则算法较多，但是一般只按照时间区处理，对时间的变形考虑的算法不多。
（2）序列模式挖掘。寻找一组有序的时间序列组成的数据集中经常出现的序列组合构成的频繁模式，挖掘序列模式的对象与结果都是有序的，即数据集中按时间来排列每个序列的条目，因此输出的结果是按时间有序的，时间序列模式发觉已被各界广泛利用，主要应用有随数据未来趋势做预测，将数列分解为若干主要趋势成分 ，季节性变换成分，对理论性模型及数据进行鉴定，以证明模型在一些常见的经济问题中能否正确表示所观测的趋势。
在经济及商业方面，有许多应用时间序列分析方法，如国民生产总值，失业率与股价，这些方面主要为计量经济学模型，主要用于经济因果分析与预测。缺少对动态大量数据进行算法上的研究，他们更多的是探索因子的公式。
（3）趋势性挖掘。趋势性挖掘就是在时态上进行推断挖掘，主要用来预测。预测主要是利用历史数据找出变化规律，在建立代数模型。并利用代数模型来预测未来特征数据的变化趋势。
趋势性挖掘大致包括循环变化，长期趋势变化，随机变化，季节性变化等方面的分析。循环变化是指趋势性曲线在一个较长的时间间隔里呈现有规律的摆动的迹象，长时间趋势变化反应的是相当长时间的变化方向，随机变化则是在一段时间内反映随机时间或偶然事件所引发的时序变换，季节性变化是一段时间内每年都重复出现的事件。
时态数据挖掘还包含时态数据流，时态文本数据，时态多媒体数据挖掘，这方面文献不多，理论缺乏统一。