我的目标是在26周内聚集126个时间序列（因此每个时间序列有26个观察值）。我使用pam{cluster} =围绕medoids进行分区来聚类这些时间序列。
在聚类之前，我想比较哪种距离测量最合适：欧几里德，曼哈顿或动态时间扭曲。我使用每个距离进行聚类并通过轮廓图进行比较。有什么方法可以比较不同的距离测量吗？
例如，我知道用于验证集群结果的过程clValid {clValid}，但我无法实现dtw来计算索引。
那么我如何比较不同的距离指标（不仅仅是通过轮廓）？
其他问题：GAP统计数据是否足以决定选择多少个群集？或者我应该用不同的方法评估聚类的数量，还是比较两种或三种方法呢？
我会很感激任何建议。
答案 0 :(得分：0)
我刚读过这本书＆＃34;聚类分析，第五版＆＃34;作者：Brian S. Everitt等。目前，我采用以下策略来选择计算距离矩阵，聚类和验证的方法：
表示距离：使用cmdscale{stats}函数计算多维标度，并使用密度信息绘制两个缩放维度的散点图。正如预期的那样，如果存在不同的聚类或嵌套聚类，则散点图将给出一些提示。
用于聚类：对于每种聚类方法，计算聚类结果与距离之间的共生相关性，这可以使用cophenetic{stats}函数计算。最好的聚类方法将提供更高的相关性。但是，这仅适用于分层聚类。我对其他群集方法一无所知，例如pam或kmeans。
用于分区评估：包{clusterSim}提供了几个函数来计算索引以评估聚类质量。另一个包{NbClust}也计算了多达30个索引来评估＆＃34;距离＆＃34;，＃34;聚类＆＃34;的组合。和＆＃34;簇数＆＃34;。但是，此程序包使用{cutree}对分层树进行分区，这不适用于嵌套的群集结构。 {dynamicTreeCut}提供的另一种方法给出了合理的结果。
用于群集编号确定：稍后将添加。
答案 1 :(得分：0)
您拥有类标签的群集数据，并使用RAND索引来衡量群集质量。
50个此类数据集位于UCR时间序列存档
本文做了类似的事情 http://www.cs.ucr.edu/~eamonn/ClusteringTimeSeriesUsingUnsupervised-Shapelets.pdf