在Python

Question

我正在尝试使用不同的聚类技术在Python中聚类时间序列数据。 K-means没有给出好的结果。以下图像是使用凝聚聚类进行聚类后的图像。我也尝试过动态时间扭曲。这两个似乎给出了类似的结果。

我理想的是，第二张图片中的时间序列有两个不同的聚类。第一张图像是用于快速增加的群集。第二个没有增加类似稳定，第三个是减少趋势的集群。我想知道哪个时间序列是稳定的以及流行的（在这里流行，我的意思是高计数）。我尝试了层次化聚类，但结果显示了太多的层次结构，我不知道如何选择层次结构的级别。有人能否阐明如何将第二张图像中的时间序列分成两个不同的簇，一个是低计数而另一个是高计数？有可能吗？或者我应该直观地选择一个阈值将其切成两个？

快速增长的群集：

具有稳定计数的群集：

趋势减少的集群：

这非常模糊，但这是我的层次聚类的结果。

我知道这个特殊的图像根本没用，但这对我来说也是一个死胡同。

一般情况下，如果您想要区分趋势，比如说对于YouTube视频，那么只有一些人可以选择这些趋势＆＃34;趋势＆＃34;这个星期和＃34;以及＃34;和＃34;部分？我理解＆＃34;趋势＆＃34;部分视频是与第一张图像具有相似特征的视频。 ＆＃34;本周趋势＆＃34;该部分有一组视频，这些视频具有非常高的视图数，但在计数方面是安静的（即没有显示快速增加）。我知道，就YouTube而言，除了视图计数之外，还有许多其他因素需要考虑。在第二张图片中，我想要做的是与本周的趋势类似的＃34;部分。我想选择计数非常高的那些。在这种情况下如何拆分时间序列？

我知道DTW可以捕捉趋势。 DTW给出与上述图像相同的结果。它已经确定了第二张图像的趋势，即稳定＆＃34;。但它并没有捕获＆＃34;计数＆＃34;元素在这里。我希望捕获趋势和计数，在这种情况下稳定和高计数。

以上图像是基于计数聚类的时间序列。我是否错过了可以实现此目的的任何其他聚类技术？即使只计算，我如何根据自己的需要进行不同的聚类？

任何想法都会非常感激。提前谢谢！

Answer 1

您可以做的最好的事情是从时间序列中提取一些功能。 在您的案例中提取的第一个功能是趋势linear trend estimation

您可以做的另一件事是将您的时间序列的累积版本分组，如同在其他帖子中建议和解释的那样：Time series distance metrics

Answer 2

您可以使用DTW通过计算总的最小距离来聚类趋势，有关其他类似问题，请参见my answer here。我有一个非常接近这个问题，最终我为此部署了自己的python软件包。检查this了解更多信息。您还可以看到一个演示here。