输入到聚类算法

Question

我有250个时间序列，我将对它们进行聚类，以查看哪个时间序列具有或多或少相同的行为。但我的问题是，无论我在google和StackOverFlow中搜索过什么，我都找不到一个例子来告诉我是否必须将所有时间序列合并在一起？或者可以将它们保存在分开的变量中？有关输入的任何解释都会有所帮助。

• 我使用python 3.6进行编程，对于群集，我使用sci-kit learn library
• 我的每个时间序列都是一个带有一列的pandas数据框

Answer 1

SciKit聚类方法的输入格式因方法而异。点击the list of Classes上的方法名称，向下滚动到该类的fit方法的说明;这是进行聚类的那个。对于大多数方法，例如K-means，数据必须采用2D形状阵列（n_samples，n_features）的形式。对您而言，样本数量为250，特征数量是时间序列的长度（它们都必须具有完全相同的长度）。

但我对使用2D数组作为输入持谨慎态度，因为所有的值都将被视为单独的功能，从而失去了时间参数的概念。如果一个系列只是另一个系列的转换，它可能被视为完全不同的东西。

一些SciKit聚类方法允许您预先计算250乘250距离矩阵（测量两个系列的不同）或亲和力/相似度矩阵（测量它们的相似程度）。这可以传递而不是实际数据。矩阵可以在双循环中计算，250乘250也不算太差。这些方法可以采用方阵而不是原始数据：

• AffinityPropagation
• DBSCAN
• SpectralClustering

我建议在继续聚类之前对time-series similarity measures进行一些研究（用于计算该方阵）。