Deeplearning Algorithms tutorial

谷歌的人工智能位于全球前列，在图像识别、语音识别、无人驾驶等技术上都已经落地。而百度实质意义上扛起了国内的人工智能的大旗，覆盖无人驾驶、智能助手、图像识别等许多层面。苹果业已开始全面拥抱机器学习，新产品进军家庭智能音箱并打造工作站级别Mac。另外，腾讯的深度学习平台Mariana已支持了微信语音识别的语音输入法、语音开放平台、长按语音消息转文本等产品，在微信图像识别中开始应用。全球前十大科技公司全部发力人工智能理论研究和应用的实现，虽然入门艰难，但是一旦入门，高手也就在你的不远处！ AI的开发离不开算法那我们就接下来开始学习算法吧！

GSP序列

广义序列模式（简称GSP）算法是Apriori类算法，采用冗余候选模式的剪除策略和特殊的数据结构-哈希树来实现候选模式的快速访存。

GSP算法描述主要包含以下三个步骤：

(1)扫描序列数据库，得到长度为1的序列模式，作为初始的种子集。 (2)根据长度为i的种子集，通过连接操作和修剪操作生成长度为i+1的候选序列模式，然后扫描序列数据库，计算每个候选序列模式的支持度，产生长度为i+1的序列模式，并将作为新的种子集。 (3)重复以上步骤，直到没有新的序列模式或新的候选序列模式产生为止。

GSP产生候选序列模式两个步骤：

(1)连接阶段：当去掉序列模式S1的第一个项目与去掉序列模式S2的最后一个项目所得到的序列相同，则可以将S1和S2进行连接，即将S2的最后一个项目添加到S1中去。

(2)剪枝阶段：若某候选序列模式的某个子集不是序列模式，则此候选序列模式不可能是序列模式，将它从候选序列模式中删除。

GSP算法需要重复的扫描序列数据库，会产生大量的候选集，当序列模式的长度较长的情况下，用GSP处理比较困难。

算法背景

GSP序列模式是由Srikant R和Agrawal R于1996年基于Apriori算法上提出的挖掘序列频繁模式的算法。主要引入3个新概念来定义频繁模式子序列，(1)加入时间约束，使得只要满足最小和最大约束，都算是连续的;(2)加入时间计算复杂度，控制在一定范围内的都认为在项集中；(3)加入分类标准。

应用领域

GSP序列模式算法采用冗余候选模式的减除策略和哈希树来实现候选模式的快速访存。GSP被广泛应用于顾客购买行为的分析、网络访问模式分析、科学实验的分析、疾病治疗的早期诊断、自然灾害的预测、DNA序列的破译等方面。

优缺点

优点：由于增加了新的扫描约束条件，有效的减少了需要扫描的候选序列数量，克服了基本序列模型的局限性，减少多余无用模式的产生。GSP用哈希树存储候选序列，减少需要扫描的序列数量，同时对数据序列的表达方式进行了转换，可以更有效的发现一个候选项是否是数据序列的子序列。

缺点：若序列数据库的规模较大，可能会产生大量的候选序列模式，需对数据库进行循环扫描。对序列模式长度较长时，由于产生短的序列模式规模太大，所以算法很难处理这种情况。