我有一个数据集，在63年内记录了59,000个条目，我需要识别具有以下标准的事件集群：
6小时内发生6次或更多事件
每个事件都有一个唯一的ID，时间HH：MM：SS和日期DD：MM：YY，理想情况下，输出将具有集群ID，发生在每个集群中的事件，以及开始和结束时间和日期。
考虑到R中的问题，我们需要查看每个日期/时间并计算在接下来的6个小时内的事件数量，如果数量为6或更大，保存事件ID，如果不移动到下一个日期并执行相同的任务。我已经采用了一个只包含EventID，Date，Time和Year的数据提取。
https://dl.dropboxusercontent.com/u/16400709/StackOverflow/DataStack.csv
如果我在此期间提出任何建议，我会在下面发布。
更新：休息一下，想一想这个问题我有一个新的方法。
在每个事件的日期/时间添加6个小时，然后计算在开始结束时间内的事件数，如果有6个或更多事件采用eventID并为其分配clusterID。然后转到下一个事件并重复59k次循环。
答案 0 :(得分：1)
不要使用群集。这是错误的工具。错误的用语。你不是在寻找抽象的＆＃34;集群＆＃34;，而是更简单，更明确的东西。特别是，您的数据是1维的，这使得事物比聚类中无处不在的多变量情况容易得多。
相反，对数据进行排序并使用推送窗口。
如果您的数据已排序，则时间[x + 5] - 时间[x] < 6个小时，然后这些事件满足您的条件。
排序为O（n log n），但经过高度优化。剩余部分是O（n）一次性传递数据。这将击败每一个聚类算法，因为它们不会利用您的数据特征。