mönsteranalys

Mönsteranalys är ett tvärvetenskapligt område inom statistik, dataanalys och maskininlärning som syftar till att identifiera strukturer, regelbundenheter och återkommande motiv i data. Målet är att beskriva hur data uppträder, förstå fenomenet bakom dem och i förlängningen underlätta förutsägelser eller beslut. Begreppet omfattar både beskrivande analys av kända mönster och automatiserad upptäckt av nya mönster utan förhandsantaganden.

Metoderna spänner över tidsserieanalys, frekvensbaserad analys, klustring, dimensionell reduktion och sekvensbaserade tekniker. Inom maskininlärning används både övervakade metoder (regression, klassificering) och oövervakade metoder (klustring, sekvensbaserad mönsterupptäckt och reglerbaserad datautvinning). Inom text och bild används mönsteranalys för igenkänning av återkommande strukturer, medan signalbehandling ofta utnyttjar transformtekniker som Fourier- och wavelet-transformer.

Data som analyseras är heterogena: tidsserier, sekvenser, text, bilder och ljud. Tillämpningar finns inom ekonomi och finans (förändringar i priser eller försäljning), medicin och biomedicin (genuttryck, patientdata), miljö och meteorologi (vädermönster), samt teknikområden som bild- och ljudigenkänning.

En vanlig arbetsprocess består av datainsamling och förbehandling, modellval och träning, utvärdering och tolkning av resultat samt kommunikation av osäkerhet. Viktiga utmaningar är data kvalitet, överanpassning, tolkbarhet och att hantera icke-stationaritet samt stora datamängder.