具有dtwclust的动态时间规整距离（DTW）的时间序列聚类

Question

我正尝试使用dtwclust(data = NULL, type = "partitional", k = 2L, method = "average", distance = "dtw", centroid = "pam", preproc = NULL, dc = NULL, control = NULL, seed = NULL, distmat = NULL, ...) 包执行具有动态时间扭曲距离（DTW）的时间序列聚类。

我使用这个功能，

$a
[1]  0  0  0  0  2  3  6  7  8  9 11 13

$b
[1]  0  1  1  2  4  7  8 11 13 15 17 19 22 25 28 31 34 35

$c
[1]  1  2  4  4  4  4  4  4  4  4  5  5  5  5  5  5  5  6  6  6  6  7  7  8  8  9 10 10 12 14 15 17 19

$d
[1] 0 0 0 0 0 1 2 4 4 4

$e
[1]  0  1  1  3  5  6  9 12 14 17 19 20 22 24 28 31 32 34

我将数据保存为列表，它们的长度不同。 比如下面的例子，这是一个时间序列。

dtw

现在，我的问题是

（1） 我只能为我的距离选择dtw2，sbd或dba，为我的质心选择shape，pam或k = 6, distance = dtw, centroid = dba（因为长度不同）列表）。但是，我不知道哪个距离和质心是正确的。

（2） 我已经绘制了一些图表，但我不知道如何选择正确合理的图表。

k = 4, distance = dtw, centroid = dba：

{{1}}（群集中心似乎有线？）

我已经做了所有的组合，k从4到13 ...但我不知道如何选择合适的...

Answer 1

您不希望“选择”参数，而是评估结果。因此，您需要选择一个评估聚类的标准。您基本上改变了距离和k等参数，然后使用损失函数评估聚类。通常，评估聚类有两种可能性：

外部评估：

您可以使用标签（不用于聚类，因此被视为外部标签）来计算假阳性，真阳性等形式的准确性，这最终会引导您进入AUC measure。

您的数据似乎没有标记，因此您无法计算任何准确度，这是最简单的方法。

内部评估：

或者，您可以尝试最大化群集内相似性（群集成员与特定群集的所有其他成员的平均距离）并最小化群集间相似性（群集成员与群集之外的所有元素的平均距离）他自己的集群）。

有关详细信息，请访问：

http://nlp.stanford.edu/IR-book/html/htmledition/evaluation-of-clustering-1.html

http://www.ims.uni-stuttgart.de/institut/mitarbeiter/schulte/theses/phd/algorithm.pdf