時間的データマイニング（Temporal Data Mining）とは？基本概念と主なタスクを解説

時間的データマイニングとは

時間的データマイニング（Temporal Data Mining）とは、大規模な時間データ（時系列データ）の集合から、自明ではない暗黙的な情報、そして潜在的に重要な知識を抽出するプロセスを指します。時間データは主に数値などの基本的なデータ型からなる系列であり、これらのデータから有益な知識を導き出すことを目的としています。

時間的データマイニングの目的は、機械学習、統計学、データベース技術などのさまざまな手法を活用し、高度な順序データの中から時間的なパターン、予期しないトレンド、あるいは隠れた相関関係を発見することにあります。ここでいう順序データには、アルファベットからなる記号の系列である「時間シーケンス」と、連続的な実数値要素の系列である「時系列」が含まれます。

時間的データマイニングの3つの主要な構成要素

時間的データマイニングは、主に以下の3つの主要な作業で構成されています。

• 時間データの記述：データの特性や構造を表現する
• 類似性尺度の表現：時系列間の類似度を測定する基準を定義する
• マイニングサービス：パターン抽出や予測などの分析機能を提供する

時系列データの処理とパターンマッチング

時間的データマイニングには、時系列データの処理が含まれます。時系列とは、複数の時点における同一属性の値を記録したデータの系列のことです。こうした情報を用いたパターンマッチング、つまり特定の関心あるパターンを探索する技術は、近年大きな注目を集めています。

さらに、時間的データマイニングでは、時間データベース向けに発展してきた効率的なデータ格納技術、高速処理、そして高速な検索手法の活用も重要な要素となります。

知識発見プロセスにおける位置づけ

時間的データマイニングは、時間データベースにおける知識発見（Knowledge Discovery）プロセスの独立した段階であり、時間データから時間的パターンを算出したり、データにモデルを適合させたりするアルゴリズムを指すこともあります。

時間的データマイニングは、時間データの分析を通じて、時間情報の集合から時間的パターンや一貫性を発見することに関わっています。また、コンピュータによる自動的なデータ探索を可能にする点も大きな特徴です。

時間マイニングの主なタスク

時間的データマイニングには、以下のようなさまざまなタスクが含まれます。

• データの特性記述と比較
• クラスタリング分析
• 分類
• アソシエーションルール（相関ルール）
• パターン分析
• 予測とトレンド分析

より抽象的なレベルでのデータベース操作

時間的データマイニングは、時間データベースとの新しい対話方法をもたらしました。これにより、時間構造化問い合わせ言語（Temporal SQL）が許容するよりもはるかに抽象的なレベルでクエリを指定することが可能になっています。また、多次元性に起因する問題に対するデータ探索も容易にします。

時間的分類の基本目標

時間的分類（Temporal Classification）の基本的な目標は、時間データベース内の他のフィールドに基づいて、時間的に関連するフィールドの値を予測することです。この問題は一般に、予測対象の時間変数の値を、他のフィールドの情報、各観測値に対して目的変数が与えられた訓練データ、そして問題に関する事前知識を表す一連の仮定に基づいて決定するものとして定式化されます。

なお、時間的分類手法は、密度推定という統計学における複雑な問題と密接に関連している点にも留意が必要です。