Minería de patrones secuenciales
Un patrón secuencial es una lista de ítems (o conjuntos de ítems) que aparece en un porcentaje mínimo de series. A diferencia de las reglas de asociación, aquí la evidencia está en el antes y después: la ruta de navegación, el camino de compra entre compras, los eventos de un log. Se mina con SPAD y PrefixSpan, los herederos del espíritu Apriori cuando el orden cuenta.
Qué es una secuencia
- Cada sujeto aporta una lista ordenada de transacciones en el tiempo.
- Una transacción puede contener varios ítems simultáneos (un solo carrito).
- Una subsecuencia respeta el orden pero permite huecos entre elementos.
- El soporte se cuenta por sujetos, no por apariciones sueltas.
Soporte y patronaje en secuencias
Como en asociación, se fija un soporte mínimo: la secuencia debe aparecer en al menos ese porcentaje de sujetos. La diferencia es combinatoria: el espacio de subsecuencias crece muchísimo más rápido, así que la poda anti-monótona (si un patrón es frecuente, sus subsecuencias también; si es infrecuente, sus extensiones también) no es un detalle, es lo que hace viable el cálculo.
SPAD frente a PrefixSpan
SPAD (sequential pattern discovery) transforma el problema a un equivalente de clases de equivalencia y lo resuelve con joins; PrefixSpan (pattern-growth) evita los joins: proyecta la base sobre prefijos frecuentes y crece los patrones recursivamente en bases cada vez más pequeñas. PrefixSpan suele ganar cuando la base es grande y el soporte, bajo.
Ventanas y tiempo real
- Gap constraint: exigir que entre ítems pasen como máximo k eventos.
- Ventana deslizante: contar una secuencia solo si ocurre dentro de x días.
- Restricción de tiempo entre ítems: la causalidad práctica vive ahí.
- Cuantificación: minar duraciones, no solo ocurrencias (un ítem puede repetirse en un evento).
Más allá de la canasta: eventos y procesos
La minería de secuencias alimenta la minería de procesos: descubrir el flujo real de un proceso a partir de bitácoras de eventos, y encontrar atajos, retrabajos y cuellos de botella que el diagrama oficial no dibuja. También detecta rutas de abandono en una app y precursores temporales de un incidente.
| Concepto | Qué aporta |
|---|---|
| Subsecuencia | respetar orden permitiendo huecos |
| Soporte por sujeto | un camino no vale por repetirse en uno solo |
| Anti-monotonía | base de la poda que hace viable el minado |
| Restricción de gap | convertir orden en proximidad temporal útil |
Errores frecuentes
- Tratar una transacción desordenada como secuencia: se inventa un orden que no existe.
- Contar soporte por aparición y no por sujeto: un power user "demuestra" el patrón solo.
- Ignorar las ventanas: patrones ciertos pero dispersos en meses no son accionables.
- Quedarse con la secuencia larga más frecuente que solo a un sujeto aplica.
Ejemplo resuelto: ruta de compra en app
- Ordenar los eventos por sujeto y marca de tiempo y agrupar los simultáneos en eventos.
- Fijar el soporte mínimo por sujeto y la ventana de días entre pasos.
- Minar con PrefixSpan proyectando sobre prefijos frecuentes.
- Podar por anti-monotonía: eliminar candidatos con prefijo infrecuente.
- Filtrar los patrones por lift temporal frente a la línea base del sujeto.
- Materializar el patrón como alerta: "quien hace A y B en una semana compra C".
¿Para qué sirve en la realidad?
Recomendación de siguiente paso, detección temprana de fraude (secuencia de microoperaciones antes del golpe), mantenimiento predictivo (alarmas que anteceden a la falla) y análisis de embudos digitales viven de patrones secuenciales, no de canastas.
¿Qué distingue a un patrón secuencial de una regla de asociación?
Una subsecuencia debe contener los elementos en forma contigua, sin huecos entre ellos.
La propiedad de las subsecuencias frecuentes que hace viable la poda del espacio de búsqueda es la monotonía.
Clasifica cada decisión según la fase del minado secuencial.
Preparar series
Fijar parámetros
Podar y validar
Une cada algoritmo o concepto con su carácter.
Vocabulario secuencial
Minería de secuencias
# Patrones secuenciales ## Objeto ### serie por sujeto ### eventos y huecos ## Minado ### soporte minimo ### SPAD ### PrefixSpan ### anti-monotonia ## Tiempo ### ventana ### gap constraint ## Usos ### rutas y embudos ### precursores de incidente ### mineria de procesos
Algoritmo PrefixSpan (Wikipedia)
Resumen del patrón growth con proyección de bases y su diferencia con Apriori.
Process mining (Wikipedia)
El pariente de industria: descubrir procesos a partir de bitácoras de eventos.
Con datos de clics quieres predecir qué sesión terminará en compra. ¿Por qué una regla de asociación del tipo "ver reseñas implica comprar" es débil aquí, cómo definirías la secuencia y su ventana, y qué sesgo de sujeto revisarías antes de publicar el patrón?