Question

如标题所示，我想知道是否可以使用DTW（动态时间扭曲）来计算具有缺失值的两个时间序列之间的DTW距离。

假设两个时间序列是两个气象站的日常温度，并且长度相等（例如365天），并且缺失值是两个时间序列的不同日期。

如果可以，R中的dtw包是否能够处理缺失的值？我没有找到可以在na.rm = T之类的dtw（）中设置的参数。

非常感谢！

感谢thelatemail提供的建议。下面是两个时间序列的简化示例，其中每个时间序列仅包含52个元素，缺失值设置为NA。

TS1 = c(-3.26433,  -5.09096,    NA, -8.4158,    -5.85485,   -3.49234,   -7.64666,   -4.90124,   NA, -4.68836,   -1.38114,   1.55527,    2.81872,    2.44261,    3.57963,    6.19983,    7.42515,    8.41524,    6.32686,    10.0144,    9.53251,    13.4781,    12.3585,    10.6706,    10.2647,    16.6848,    16.4855,    20.1482,  NA,   21.5734,    20.3946,    20.8824,    18.0325,    18.5813,    17.5453,    16.3315,    14.3068,    11.3164,   9.96398, 5.53102,    9.55094,    9.05897,    6.81199,    5.20343,    1.63158,    -0.661077,  -4.33853,   -6.53655,   NA,   -10.8646, 1.11843,    1.23786)

TS2 = c(-5.76852,  -10.2207,    -11.8465,   NA, -1.70019,   -3.60319,   -5.7718,    -3.81106,   -5.62284,   -3.57516,        0.314511,  0.64058,    0.476162,   NA, 4.23757,    5.15417,    7.29422,    NA, 1.57376,    9.28236,    8.05182,    13.7175,    9.5453, 10.2417,    9.32423,    18.214, 18.3726,    16.661, 20.6563,    22.2901,  22.1109,  19.129, 15.8615,    16.7817,    17.247, 15.9921,    14.5804,    11.3693,    10.9349,    10.1196,  3.7467,   9.09229,    6.91285,    NA, 4.20934,    -0.566403,  -2.94184,   -3.81432,   -10.0212,   -15.9876,    -2.56286,  -1.88976)

Answer 1

可能不是，我查看了包装手册，没有关于缺失或NA值的信息。我还尝试将您的数据提供给dtw()，但它失败了：

Error in dtw(TS1, TS2) : 
  No warping paths exists that is allowed by costraints

但是当我将所有NA值都更改为0时，它很容易工作。

因此，如果您的唯一解决方案是此软件包，您可以在DTW package forum上发帖，或者您可能需要自己处理丢失的数据。您可能会发现some hints here或~~使用na() function of the fSeries package~~ *。

*此套餐为no longer available。建议改为使用timeSeries package。

Answer 2

我也遇到过这种情况。使用包含NA值的时间序列的DTW时收到错误消息的原因是，当DTW路径中存在NA时，将不确定变形距离。我建议你使用一些ARIMA模型来估算NA值，然后使用DTW。查看this或this，了解错失的时间序列值。

Answer 3

dtw函数的工作原理如下。

#this shows how to register a distance function with proxy
install.packages("proxy")
require("proxy")

DWT.DIST<-function (x,y)
{

  a<-na.omit(x)
  b<-na.omit(y)

  return(dtw(a,b)$normalizedDistance)
}

## create a new entry in the registry with two aliases
pr_DB$set_entry(FUN = DWT.DIST, names = c("DWT.DIST"))

d<-dist(appliances_t, method = "DWT.DIST")
hc<-hclust(d,"ave")
plot(hc)

pr_DB$delete_entry("DWT.DIST")

来源：

Link 01; Link 02

可以在缺少值的时间序列上使用动态时间扭曲吗？

3 个答案: