Bối cảnh và vấn đề nghiên cứu
Sự phát triển mạnh mẽ của công nghệ thông tin cùng quá trình ứng dụng sâu rộng vào các hoạt động kinh tế, xã hội và giáo dục đã dẫn đến sự hình thành của các kho dữ liệu khổng lồ. Tuy nhiên, các phương pháp quản trị và khai thác cơ sở dữ liệu truyền thống dần bộc lộ hạn chế khi không thể trích xuất được những thông tin tiềm ẩn, có giá trị hỗ trợ công tác ra quyết định. Trước yêu cầu thực tiễn đó, lĩnh vực Phát hiện tri thức và Khai phá dữ liệu (Knowledge Discovery and Data Mining – KDD) đã hình thành và phát triển từ cuối thập niên 1980. Trong đó, khai phá dữ liệu (Data Mining) được xác định là một bước trọng yếu nhằm trích xuất các mẫu hình có tính quy luật từ các tập dữ liệu lớn.
Khác với cơ sở dữ liệu tĩnh, cơ sở dữ liệu chuỗi thời gian (Time Series Database) bao gồm các bản ghi gắn liền với các mốc hoặc nhãn thời gian, trong đó độ lớn thời gian là một thành phần cốt lõi không thể tách rời. Trong lĩnh vực Giáo dục và Đào tạo, việc đánh giá kết quả và chất lượng học tập của học sinh đóng vai trò then chốt nhưng thực tế tại các trường phổ thông vẫn còn mang tính cảm tính, cục bộ và bình quân (ví dụ như việc chỉ tính điểm trung bình chung các môn để xếp loại học lực). Kết quả học tập của học sinh qua các học kỳ liên tiếp thực chất là một chuỗi biến thiên theo thời gian. Việc áp dụng các kỹ thuật khai phá dữ liệu và mô hình phân tích chuỗi thời gian vào cơ sở dữ liệu điểm số sẽ cung cấp công cụ khoa học giúp dự báo xu hướng học tập, hỗ trợ công tác quản lý và hoạch định chiến lược giáo dục.
Mục tiêu nghiên cứu của đề tài:
- Tìm hiểu về phương pháp phân tích chuỗi tuần tự theo thời gian và các kỹ thuật dự báo.
- Tìm hiểu về cơ sở dữ liệu chuỗi thời gian.
- Tìm hiểu về các kỹ thuật khám phá tri thức trên cơ sở dữ liệu chuỗi thời gian.
- Áp dụng vào bài toán cụ thể: khám phá tri thức trên cơ sở dữ liệu điểm học sinh và thực hiện dự báo kết quả học tập trong các khoảng thời gian tiếp theo.
Nhiệm vụ nghiên cứu:
- Nắm vững phương pháp phân tích chuỗi tuần tự theo thời gian và phương pháp dự báo.
- Hệ thống hóa các khái niệm, cấu trúc của cơ sở dữ liệu theo thời gian.
- Phân tích các phương pháp khám phá tri thức và kỹ thuật khai phá trên cơ sở dữ liệu chuỗi thời gian (đo độ tương đồng, gom cụm, trích xuất luật liên kết).
- Vận dụng mô hình dự báo vào bài toán thực tế dựa trên dữ liệu điểm học sinh.
Đối tượng và phạm vi nghiên cứu:
- Đối tượng nghiên cứu: Cơ sở dữ liệu chuỗi thời gian; kỹ thuật khám phá tri thức và mô hình dự báo kết quả học tập của học sinh.
- Phạm vi không gian: Dữ liệu học sinh thuộc lớp 10A1 và 11A1 tại Trường Trung học phổ thông Nguyễn Thị Minh Khai, huyện Đức Thọ, tỉnh Hà Tĩnh.
- Phạm vi thời gian: Dữ liệu điểm tổng kết qua 4 học kỳ liên tiếp (HKI, HKII lớp 10 và HKIII, HKIV lớp 11) thuộc khóa học 2007 – 2010.
Cơ sở lý thuyết và phương pháp
Khóa luận xây dựng nội dung dựa trên khung lý thuyết về Phát hiện tri thức trong cơ sở dữ liệu (được Fayyad, Piatetsky-Shapiro và Smyth đề xuất năm 1989), lý thuyết chuỗi thời gian, các giải thuật gom cụm dữ liệu và mô hình hồi quy tuyến tính.
Khung lý thuyết và các khái niệm nền tảng
- Chuỗi thời gian ($X$): Là tập hợp sắp thứ tự gồm $n$ giá trị của một biến thực $X = (x_1, x_2, \dots, x_n)$ được ghi nhận tuần tự qua các khoảng thời gian bằng nhau.
- Bốn thành phần của chuỗi thời gian:
- Thành phần xu hướng dài hạn ($T_t$ - Long-term trend): Thể hiện chiều hướng tăng hoặc giảm của đại lượng trong thời gian dài (biểu diễn bằng đường thẳng hoặc đường cong trơn).
- Thành phần mùa vụ ($S_t$ - Seasonal): Sự biến thiên theo chu kỳ ngắn trong năm (theo mùa hoặc theo tháng).
- Thành phần chu kỳ ($C_t$ - Cyclical): Sự dao động có tính chu kỳ kéo dài hơn một năm.
- Thành phần bất thường ($I_t$ - Irregular): Những biến động ngẫu nhiên không có tính quy luật.
- Mô hình cấu trúc chuỗi:
- Mô hình nhân (Multiplicative model): $X_t = T_t \times S_t \times C_t \times I_t$ (khi bỏ qua biến ngẫu nhiên: $X_t = T_t \times S_t \times C_t$).
- Mô hình cộng (Additive model): $X_t = T_t + S_t + C_t + I_t$.
- Kỹ thuật làm trơn (Smoothing methods): Phương pháp trung bình dịch chuyển (Moving Average) và phương pháp làm trơn bằng hàm số mũ đơn giản (Simple Exponential Smoothing do Brown xây dựng năm 1954: $F_{t+1} = \alpha X_t + (1-\alpha) F_t$, với hằng số san bằng $0 \le \alpha \le 1$, thực nghiệm chọn $\alpha = 2/(n+1)$).
- Độ đo tương đồng chuỗi thời gian: Khoảng cách Euclide trên không gian $n$ chiều, Chuẩn hóa chuỗi thời gian loại bỏ độ lệch trung bình ($x_i' = x_i - E_x$), và Độ đo dãy con chung dài nhất (Longest Common Subsequence - LCS do Vlachos và cộng sự đề xuất năm 2004).
- Thuật toán gom cụm (Clustering): Thuật toán K-Means với độ phức tạp $O(knl)$ và thuật toán Greedy dựa trên ngưỡng bán kính nhóm $d$.
Phương pháp nghiên cứu
- Phương pháp nghiên cứu lý thuyết: Thu thập, phân tích, tổng hợp các tài liệu khoa học chuyên ngành về phân tích thống kê chuỗi thời gian, các mô hình dự báo định lượng, cấu trúc cơ sở dữ liệu chuỗi thời gian và các giải thuật khai phá dữ liệu.
- Phương pháp phân tích - tính toán thực nghiệm: Ứng dụng mô hình hồi quy đường thẳng theo thời gian ($\hat{Y} = a + bt$) trên tập dữ liệu thực tế. Đặt trục thời gian đối xứng sao cho tổng thứ tự thời gian $\sum t = 0$ để tối ưu hóa việc xác định các hệ số hồi quy:
$$a = \frac{\sum y}{n}, \quad b = \frac{\sum yt}{\sum t^2}$$
Nguồn dữ liệu
- Dữ liệu thực nghiệm chính: Bảng điểm tổng kết 4 học kỳ của 30 học sinh (mã hóa danh tính từ A101 đến A130) lớp 10A1, 11A1 khóa 2007 – 2010 tại Trường THPT Nguyễn Thị Minh Khai, Đức Thọ, Hà Tĩnh.
- Dữ liệu minh họa lý thuyết trong văn bản: Số liệu lưu lượng dòng chảy hồ thủy điện Trị An (1959 – 1985); số liệu doanh số 22 quý của Công ty Z; số liệu lượng sản phẩm bán ra theo quý (1979 – 1985) và bộ dữ liệu phân cụm 4 mẫu thuốc thực nghiệm.
Nội dung chính theo từng chương
CHƯƠNG I: TÌM HIỂU VỀ PHÂN TÍCH CHUỖI TUẦN TỰ THEO THỜI GIAN VÀ DỰ BÁO (Time series Analysis and Forecoasting)
Chương I trình bày hệ thống lý thuyết về chuỗi thời gian, cấu trúc các thành phần dao động và các phương pháp dự báo thống kê phổ biến. Tác giả làm rõ các mức độ tiên đoán (tiên đoán không tưởng, tiên đoán kinh nghiệm, tiên đoán khoa học) và các đặc tính của dự báo (tính xác suất, tính phương án, tính thời gian hữu hạn). Quy trình dự báo chuẩn gồm 4 bước: (1) Thu thập số liệu; (2) Xử lý sơ bộ số liệu; (3) Lựa chọn phương pháp và xây dựng mô hình dự báo; (4) Tiến hành dự báo và phân tích kết quả.
Nội dung chương phân tích chi tiết các lớp mô hình dự báo:
- Phương pháp dự báo giản đơn (Naive methods):
- Dạng cơ bản: $F_{t+1} = X_t$.
- Dạng bổ sung thành phần xu hướng: $F_{t+1} = X_t + (X_t - X_{t-1})$ hoặc $F_{t+1} = X_t \times (X_t / X_{t-1})$.
- Dạng bổ sung thành phần mùa vụ: $F_{t+1} = X_{t-3}$.
- Dạng kết hợp mùa vụ và xu hướng: $F_{t+1} = X_{t-3} + \frac{1}{4}\sum_{i=0}^3 (X_{t-i} - X_{t-i-1})$.
- Phương pháp trung bình: Phương pháp trung bình giản đơn ($F_{t+1} = \frac{1}{n} \sum_{t=1}^n X_t$) và Phương pháp trung bình dịch chuyển ($F_{t+1} = \frac{1}{n} \sum_{i=0}^{n-1} X_{t-i}$).
- Phương pháp làm trơn hàm mũ (Brown, 1954): Áp dụng trọng số giảm dần cho các dữ liệu quá khứ xa. Văn bản cung cấp bảng kiểm định làm trơn doanh số (CA) của công ty Z trong 22 quý với hai tham số $\alpha = 0.3$ và $\alpha = 0.6$, đánh giá qua độ lệch tuyệt đối trung bình MAD (Mean Absolute Deviation):
$$MAD = \frac{1}{n}\sum_{i=1}^n |\text{nhucauthucte} - \text{nhucaudubao}|$$
- Phương pháp tự hồi quy (Autoregressive models): Mô hình bậc 1 ($X_t = \beta + \Phi_1 X_{t-1} + a_t$), mô hình bậc 2 và mô hình bậc $p$ tổng quát ($X_t = \beta + \sum_{j=1}^p \Phi_j X_{t-j} + a_t$).
| Phương pháp dự báo |
Điều kiện áp dụng phù hợp |
Ưu điểm |
Nhược điểm |
| Giản đơn (Naive) |
Dùng cho phân tích sơ bộ ban đầu |
Tính toán nhanh, đơn giản |
Sai số dự báo lớn, không phản ánh cấu trúc phức tạp |
| Trung bình giản đơn |
Dãy số không biến động mùa vụ, không có xu thế, tập dữ liệu lớn |
Triệt tiêu được sai số ngẫu nhiên |
Độ trễ cao, sai số lớn nếu dữ liệu có xu hướng |
| Trung bình dịch chuyển |
Dãy số biến động ngắn hạn quanh mức ổn định |
Linh hoạt hơn trung bình giản đơn |
Cần xác định độ dài cửa sổ trượt $n$ phù hợp |
| Làm trơn hàm mũ |
Dãy số không có xu thế và không có biến động thời vụ rõ rệt |
Ưu tiên thông tin mới, trọng số giảm dần theo thời gian |
Phụ thuộc vào việc chọn tham số $\alpha$ |
| Tự hồi quy ($AR(p)$) |
Chuỗi có tương quan giữa các giá trị quá khứ |
Mô hình hóa toán học chặt chẽ |
Yêu cầu số liệu đầy đủ và kiểm định phức tạp |
CHƯƠNG II: TÌM HIỂU VỀ CƠ SỞ DỮ LIỆU CHUỖI THỜI GIAN
Chương II tập trung vào cấu trúc cơ sở dữ liệu chuỗi thời gian và các kỹ thuật khám phá tri thức. Một cơ sở dữ liệu chuỗi thời gian $T = {X_i}_{i=1}^n$ chứa tập hợp các bản ghi, mỗi bản ghi là một chuỗi giá trị biến thiên theo thời gian. Tác giả định nghĩa các khái niệm: dãy con ($S$), hàm đại diện $x(t)$, hàm đặc trưng tuyến tính $\alpha(t) = \alpha t + \beta$ (với hệ số góc $\alpha$ đại diện cho khuynh hướng) và sự kiện (sự thay đổi đặc trưng giữa hai đoạn kề nhau).
Quy trình khám phá tri thức gồm hai giai đoạn chính:
- Giai đoạn tiền xử lý: Làm sạch dữ liệu, chia thang thời gian thành các đoạn liên tục, xác định mẫu đặc trưng trên các dãy con thông qua gom cụm hoặc trích xuất sự kiện, từ đó xây dựng cơ sở dữ liệu các mẫu đặc trưng.
- Giai đoạn khai phá luật: Trích xuất các luật liên kết theo thời gian thỏa mãn ngưỡng hỗ trợ (support) và độ tin cậy (confidence), ví dụ:
- Luật khoảng cách: $A \xrightarrow{T} B$ ("Nếu $A$ xuất hiện thì $B$ sẽ xuất hiện sau khoảng thời gian $T$").
- Luật mốc thời gian: "Nếu $A$ xuất hiện vào thời gian $T_1$ thì $B$ sẽ xuất hiện vào thời gian $T_2$".
- Luật phản ứng: $A \xrightarrow{T} ?$ (xác định trạng thái sau điều kiện $A$).
Nội dung trọng tâm của chương là so sánh các độ đo tương đồng và thực nghiệm hai thuật toán gom cụm trên tập dữ liệu gồm 4 đối tượng thuốc $A(1,1), B(2,1), C(4,3), D(5,4)$:
| Độ đo / Thuật toán |
Nguyên lý toán học |
Kết quả thực nghiệm minh họa |
Đánh giá |
| Khoảng cách Euclide |
$d(X,Y) = \sqrt{\sum_{i=1}^n (x_i - y_i)^2}$ |
Đo khoảng cách hình học trực tiếp |
Dễ tính toán nhưng nhạy cảm với biên độ dao động và độ dời |
| Chuẩn hóa chuỗi thời gian |
$x_i' = x_i - E_x$; tính khoảng cách Euclide trên dạng chuẩn hóa |
$X=(2,3,5,4,6)$ và $Y=(5,6,8,7,9)$ có $d(\bar{X}, \bar{Y}) = 0$ |
Đánh giá đúng kiểu biến thiên, loại bỏ ảnh hưởng biên độ |
| Dãy con chung dài nhất (LCS) |
$d(X,Y) = \frac{\text{LCS}}{n}$ (Vlachos, 2004) |
$X=(3,2,5,7,4,8,10,7)$, $Y=(2,5,4,7,3,10,8,6) \Rightarrow \text{LCS}=(2,5,7,10)$, độ đo $= 0.5$ |
Cho phép bỏ qua điểm bất thường, không yêu cầu các phần tử phải liên tiếp |
| Thuật toán K-Means |
Phân hoạch tập dữ liệu thành $K$ cụm qua các bước lặp tính trọng tâm $r = \frac{1}{ |
C |
}\sum x$ |
| Thuật toán Greedy |
Gom cụm dựa trên bán kính ngưỡng $d$ và khoảng cách đến trọng tâm |
Với $K=2, d=1$, tâm khởi tạo $q_1(1,1)$: Nhóm 1 gồm ${A, C}$, Nhóm 2 gồm ${B, D}$ |
Phụ thuộc bán kính $d$ xác định trước, kết quả phân nhóm khác K-Means |
CHƯƠNG III: BÀI TOÁN VẬN DỤNG
Chương III vận dụng mô hình hồi quy tuyến tính theo thời gian vào bài toán dự báo kết quả học tập của học sinh. Mô hình dự báo đường thẳng có dạng:
$$\hat{Y} = a + bt$$
Trong đó $t$ là biến độc lập thời gian, $\hat{Y}$ là điểm số tính toán theo hàm xu thế, $a$ và $b$ là các tham số hồi quy.
Để đánh giá chất lượng mô hình xu thế, tác giả đưa ra công thức tính sai số chuẩn ($S_y$) và sai số dự báo ($S_{\hat{Y}}$):
$$S_y = \sqrt{\frac{\sum (y_i - \hat{Y})^2}{n - p}}, \quad S_{\hat{Y}} = S_y \sqrt{1 + \frac{1}{n} + \frac{3(n - 2L - 1)^2}{n(n^2 - 1)}}$$
Trong đó $n$ là số mức độ quan sát, $p$ là số tham số cần tìm ($p=2$), $L$ là tầm xa của dự báo.
Triển khai tính toán trên tập dữ liệu thực nghiệm:
- Cơ sở dữ liệu đầu vào gồm điểm tổng kết 4 học kỳ liên tiếp của 30 học sinh lớp 10A1 và 11A1 Trường THPT Nguyễn Thị Minh Khai (Đức Thọ, Hà Tĩnh) khóa 2007 – 2010.
- Thiết lập chuỗi thời gian đối xứng: Gán thứ tự 4 học kỳ bằng tập giá trị $t = (-3, -1, 1, 3)$ nhằm thỏa mãn điều kiện $\sum t = 0$. Khi đó, $\sum t^2 = (-3)^2 + (-1)^2 + 1^2 + 3^2 = 20$.
- Các tham số được xác định trực tiếp: $a = \frac{\sum y}{4}$ và $b = \frac{\sum yt}{20}$.
Dưới đây là bảng trích lục phương trình hồi quy và giá trị điểm tính toán ($\hat{Y}_t$) cho các học sinh tiêu biểu trong tập dữ liệu:
| Mã ID |
HK I ($t=-3$) |
HK II ($t=-1$) |
HK III ($t=1$) |
HK IV ($t=3$) |
Phương trình hồi quy |
$\hat{Y}_{t=-3}$ |
$\hat{Y}_{t=-1}$ |
$\hat{Y}_{t=1}$ |
$\hat{Y}_{t=3}$ |
| A101 |
8.2 |
8.3 |
8.4 |
8.1 |
$\hat{Y} = 8.25 - 0.01t$ |
8.280 |
8.260 |
8.240 |
8.220 |
| A102 |
8.5 |
8.7 |
8.9 |
8.6 |
$\hat{Y} = 8.675 + 0.025t$ |
8.600 |
8.650 |
8.700 |
8.750 |
| A103 |
7.9 |
8.0 |
8.1 |
8.0 |
$\hat{Y} = 8.00 + 0.02t$ |
7.940 |
7.980 |
8.020 |
8.060 |
| A104 |
8.5 |
8.7 |
8.8 |
8.8 |
$\hat{Y} = 8.70 + 0.05t$ |
8.550 |
8.650 |
8.750 |
8.850 |
| A105 |
8.0 |
8.2 |
8.3 |
8.5 |
$\hat{Y} = 8.25 + 0.08t$ |
8.010 |
8.170 |
8.330 |
8.490 |
| A106 |
6.5 |
6.8 |
7.0 |
6.6 |
$\hat{Y} = 6.60 + 0.025t$ |
6.525 |
6.575 |
6.625 |
6.675 |
| A107 |
8.8 |
9.1 |
9.1 |
9.2 |
$\hat{Y} = 9.05 + 0.06t$ |
8.870 |
8.990 |
9.110 |
9.230 |
| A108 |
8.0 |
8.2 |
8.2 |
8.2 |
$\hat{Y} = 8.15 + 0.03t$ |
8.060 |
8.120 |
8.180 |
8.240 |
Kết quả và đóng góp
Kết quả nghiên cứu chính
- Hệ thống hóa cơ sở phương pháp luận: Khóa luận đã phân tích và tổng hợp toàn diện các phương pháp phân tích chuỗi thời gian (mô hình cộng, mô hình nhân, làm trơn số mũ của Brown, trung bình trượt, tự hồi quy), các độ đo tương đồng chuỗi (Euclide, chuẩn hóa, LCS) và hai thuật toán phân cụm (K-Means, Greedy).
- Quy trình chuyển đổi dữ liệu điểm số: Xây dựng quy trình đưa dữ liệu điểm học tập từ dạng bảng tĩnh sang cơ sở dữ liệu chuỗi thời gian, trong đó mỗi học sinh là một bản ghi chứa chuỗi giá trị số thực biến thiên qua các mốc thời gian đều đặn (học kỳ).
- Kết quả tính toán thực nghiệm cụ thể: Đã xây dựng thành công 30 phương trình hồi quy xu thế cá nhân hóa cho 30 học sinh lớp 10A1 và 11A1 THPT Nguyễn Thị Minh Khai dựa trên kỹ thuật gán biến thời gian đối xứng ($\sum t = 0$), tính toán được các giá trị điểm xấp xỉ $\hat{Y}_t$ thể hiện rõ chiều hướng phát triển học lực (tăng trưởng, suy giảm hoặc ổn định) của từng cá nhân.
Đề xuất và đóng góp của tác giả
- Đề xuất giải pháp: Đưa phương pháp phân tích và dự báo chuỗi thời gian vào công tác đánh giá học sinh tại các trường phổ thông nhằm thay thế phương thức tính điểm trung bình bình quân truyền thống vốn còn mang tính trực quan và cảm tính.
- Đóng góp mới: Đề xuất một hướng tiếp cận định lượng có cơ sở toán học, giúp các nhà quản lý giáo dục có thêm công cụ khoa học để theo dõi sát diễn biến học tập và dự đoán kết quả trong các học kỳ tiếp theo.
Hạn chế và hướng nghiên cứu tiếp
Hạn chế của nghiên cứu
- Quy mô dữ liệu hạn chế: Tập dữ liệu thực nghiệm mới chỉ thực hiện trên phạm vi hẹp gồm 30 học sinh thuộc một lớp học của một trường THPT trong 4 học kỳ.
- Mức độ ứng dụng thuật toán: Mới dừng lại ở việc áp dụng mô hình hồi quy tuyến tính đơn biến theo thời gian để tính toán điểm số cho từng cá nhân; chưa tích hợp toàn diện các thuật toán gom cụm nâng cao hoặc khai phá luật liên kết thời gian phức tạp trên tập dữ liệu lớn.
- Chưa xây dựng phần mềm tự động: Các bước xử lý và tính toán tham số hồi quy chủ yếu thực hiện dưới dạng tính toán mô hình thống kê, chưa được đóng gói thành một hệ thống phần mềm hoàn chỉnh có giao diện tự động.
Hướng phát triển tiếp theo
- Mở rộng phạm vi thu thập dữ liệu trên quy mô toàn trường, nhiều khối lớp và theo dõi chi tiết từng môn học chuyên biệt.
- Ứng dụng thuật toán gom cụm K-Means và khai phá luật liên kết theo thời gian ($A \xrightarrow{T} B$) để phân nhóm học lực tự động và phát hiện các mẫu hình biến động học tập phổ biến.
- Xây dựng phần mềm hoặc công cụ tự động hóa toàn bộ quy trình từ tiền xử lý, gán nhãn thời gian, tính toán dự báo đến trực quan hóa kết quả học tập cho người quản lý.
Giá trị tham khảo
- Đối tượng thụ hưởng:
- Sinh viên ngành Sư phạm Tin học, Công nghệ thông tin và Khoa học dữ liệu cần tài liệu tham khảo về khai phá dữ liệu chuỗi thời gian và các giải thuật phân cụm cơ bản.
- Cán bộ quản lý giáo dục, giáo viên phổ thông quan tâm đến các phương pháp định lượng hỗ trợ đánh giá và dự báo kết quả học tập của học sinh.
- Các nội dung có giá trị tham khảo cao nhất:
- Phần trình bày chi tiết về các độ đo tương đồng (đặc biệt là phương pháp chuẩn hóa chuỗi và độ đo LCS của Vlachos).
- Quy trình từng bước thực hiện thuật toán K-Means kèm theo ma trận khoảng cách và cập nhật trọng tâm minh họa qua các vòng lặp.
- Kỹ thuật đặt biến thời gian đối xứng $\sum t = 0$ để giải nhanh hệ số hồi quy tuyến tính trong các bài toán dự báo chuỗi thời gian thực tế.
Câu hỏi thường gặp
1. Khóa luận chia chuỗi tuần tự theo thời gian thành những thành phần cơ bản nào?
Theo nội dung Chương I của khóa luận, một chuỗi tuần tự theo thời gian được cấu thành từ 4 thành phần chính:
- Thành phần xu hướng dài hạn ($T_t$): Chỉ xu hướng tăng hoặc giảm của đại lượng trong thời gian dài.
- Thành phần mùa vụ ($S_t$): Sự thay đổi theo các mùa hoặc các tháng trong năm.
- Thành phần chu kỳ ($C_t$): Sự thay đổi theo chu kỳ dài hơn một năm.
- Thành phần bất thường ($I_t$): Những biến động ngẫu nhiên không thể dự đoán trước và không có tính chu kỳ.
2. Ý nghĩa của hằng số san bằng $\alpha$ trong phương pháp làm trơn bằng hàm số mũ đơn giản là gì?
Trong phương pháp làm trơn hàm mũ đơn giản của Brown (1954): $F_{t+1} = \alpha X_t + (1-\alpha) F_t$ với $0 \le \alpha \le 1$:
- Nếu $\alpha = 1$, giá trị dự báo bằng chính giá trị thực tế của kỳ liền trước ($F_{t+1} = X_t$).
- Nếu $\alpha = 0$, giá trị dự báo bằng giá trị dự báo của kỳ trước và không tính đến giá trị thực tế mới.
- Chọn $\alpha$ càng lớn thì các quan sát mới càng được chú ý (phù hợp với chuỗi không ổn định); chọn $\alpha$ càng nhỏ thì các quan sát cũ càng được chú ý (phù hợp với chuỗi có tính ổn định cao). Theo kinh nghiệm tính toán được nêu trong văn bản, giá trị $\alpha$ có thể chọn xấp xỉ bằng $\frac{2}{n+1}$ ($n$ là độ dài chuỗi).
3. Ưu điểm của độ đo dãy con chung dài nhất (LCS) so với khoảng cách Euclide là gì?
Độ đo khoảng cách Euclide tính toán khoảng cách hình học trực tiếp giữa các điểm có cùng chỉ số thời gian nên rất nhạy cảm với biên độ dao động và không cho phép có độ lệch thời gian. Ngược lại, độ đo LCS (được Vlachos và cộng sự đề xuất năm 2004) xác định độ tương đồng dựa trên độ dài của chuỗi con chung, cho phép các phần tử không nhất thiết phải liên tiếp nhau trong chuỗi ban đầu. Nhờ đó, độ đo LCS có ưu điểm thể hiện tính trực quan và cho phép loại bỏ các điểm bất thường (nhiễu) trong quá trình so sánh.
4. Kết quả phân cụm 4 mẫu thuốc thực nghiệm bằng thuật toán K-Means trong Chương II như thế nào?
Với tập dữ liệu gồm 4 mẫu thuốc $A(1,1), B(2,1), C(4,3), D(5,4)$ và chọn số cụm $K=2$:
- Khởi tạo tâm ban đầu tại $c_1 = A(1,1)$ và $c_2 = B(2,1)$.
- Qua các bước tính toán ma trận khoảng cách Euclide và cập nhật lại trọng tâm, thuật toán hội tụ và dừng lại khi ma trận phân nhóm không đổi ($G_2 = G_1$).
- Kết quả phân nhóm cuối cùng: Nhóm 1 gồm 2 đối tượng ${A, B}$ và Nhóm 2 gồm 2 đối tượng ${C, D}$.
5. Tại sao trong bài toán thực nghiệm Chương III tác giả lại chọn tập mốc thời gian $t = (-3, -1, 1, 3)$?
Trong bài toán có 4 học kỳ quan sát ($n=4$), tác giả đặt các mốc thời gian tương ứng là $t = -3, -1, 1, 3$ để tổng đại số của biến thời gian triệt tiêu: $\sum t = (-3) + (-1) + 1 + 3 = 0$. Việc thiết lập này giúp đơn giản hóa hệ phương trình chuẩn trong phương pháp bình phương nhỏ nhất, cho phép tính trực tiếp hệ số chặn $a = \frac{\sum y}{n}$ và hệ số góc $b = \frac{\sum yt}{\sum t^2}$ mà không cần giải hệ phương trình hai ẩn phức tạp.
Kết luận
Khóa luận "Khai phá dữ liệu chuỗi thời gian" của tác giả Trần Thị Tân đã hệ thống hóa đầy đủ cơ sở lý thuyết về phân tích chuỗi thời gian, các độ đo tương đồng, giải thuật gom cụm dữ liệu và kỹ thuật khám phá quy luật theo thời gian. Nghiên cứu đã bước đầu áp dụng thành công mô hình hồi quy tuyến tính trên cơ sở dữ liệu điểm tổng kết 4 học kỳ của 30 học sinh Trường THPT Nguyễn Thị Minh Khai (Đức Thọ, Hà Tĩnh) để lượng hóa xu hướng học tập cá nhân. Đề tài mở ra hướng tiếp cận khoa học, khách quan trong công tác đánh giá và dự báo kết quả giáo dục, đồng thời đặt nền tảng cho việc phát triển các công cụ khai phá dữ liệu tự động trong nhà trường phổ thông.
