이벤트 간의 상관 관계를 찾기 위해 어떤 알고리즘을 사용할 수 있습니까?

기계 학습에 익숙하지 않아서 몇 가지 문헌을 찾으려고 노력하고 있지만 Google에 어떤 내용이 있는지 잘 모르겠습니다. 내 데이터는 다음과 같은 형식입니다.

User A performs Action P
User B performs Action Q
User C performs Action R
...
User C performs Action X
User A performs Action Y
User B performs Action Z
...

각 활동에 특정 특성 (날짜, 시간, 고객 등)이있는 경우 약 300 명의 사용자가 있으며 약 20,000 개의 작업이 있습니다.

질문 :

사용자 작업 사이에 인과 관계가 있는지 확인하고 싶습니다. 예를 들어 "사용자 E가 작업 T를 수행 할 때마다 2 일 후에 사용자 G가 작업 V를 수행합니다". 그러나 그 사이에는 다른 많은 작업을 수행하는 다른 사용자가 많을 수 있으며 상관 관계가 없을 수도 있습니다. 일부 사용자는 서로 관련되어 있지만 다른 사용자는 완전히 독립적 일 수도 있습니다. 이것이 머신 러닝에서 찾을 수있는 것입니까? 나를 도울 수있는 특정 알고리즘이나 알고리즘 세트가 있습니까?

Association Analysis 및 Apriori 알고리즘에 대해 읽었지만 잘 알려진 구분 된 데이터 세트를 입력으로 필요로하는 것처럼 필요한 것이 아니라고 생각합니다. 행위. 무엇을 볼지에 대한 제안은 가장 감사하겠습니다!

알고리즘을 사용하여 빈번한 항목 세트 및 연관 규칙을 찾기 전에 데이터 준비를 수행해야한다고 생각합니다.

이 기사의 거래 테이블을 참조하십시오 : 시장 바구니 분석

귀하의 경우 상호 연관 될 것으로 예상되는 상호 작용 사이의 최대 시간 범위를 설정하고 미세 조정해야하며 빈번한 사용자를 선택할 수 있으며 그가 만든 각 거래 (또는 샘플)에 대해 단일 사용자 기록 2 일. 속성은 다음과 같이 부울이어야합니다.

UserA,transactionP |UserB,transaction Z| UserB, transaction F | [...]

데이터를 탐색하는 한 가지 방법은 이전 조치 x 다음 조치 표를 작성하는 것입니다. 따라서 각 이벤트에 대해 동일한 사용자의 다음 조치를 찾으십시오. 유사하게 이전 조치 X 지연을 다음 조치까지 지연시킬 수 있습니다.

그런 다음 이전 조치가 다음 조치에 영향을 주는지 여부를 탐색 할 수 있습니다. 그렇지 않은 경우 사용자는 "상태 비 저장"입니다.

또 다른 가능한 단순화는 사용자 ID를 무시하고 각 조치의 빈도가 시간이 지남에 따라 동일한 지 또는 변화 하는지를 묻는 것입니다. 주기적인지 또는 추세를 나타내는 지 여부가 다릅니다.

이 질문에 대한 답은 데이터의 구조가 거의 없음을 보여줍니다. 또는 테스트 할 몇 가지 새로운 가설을 제기 할 수 있습니다.

이것은 흥미로운 질문입니다. 가장 좋은 방법은 전체 데이터 세트를 조사하고 빈도 표를 만드는 것입니다. 예를 들면 다음과 같습니다. 사용자 A가 작업 P를 수행하고 Y 사용자 B가 작업 Q와 Z를 수행하고, 사용자 C가 작업 R과 X를 수행합니다. 마찬가지로, 더 많은 사용자가 더 많은 작업을 수행합니다. 따라서이 데이터 세트를 처리하는 몇 가지 방법이 있습니다. 1) 서로 다른 버킷에 유사한 항목을 그룹화하는 클러스터 알고리즘 2) 사용자 대 작업 매핑 및 빈도를 식별하는 시장 바구니 분석

전체 데이터 세트를 거치지 않고 이러한 종류의 질문에 특정 알고리즘을 처방하는 것은 권장되지 않습니다.