比较列表的元素并应用条件

Question

使用K-means算法，我将每日公司的回报分类为10（= k）组。我已经在我的数据库的每个窗口（1个月）上应用了此过程。现在，我想比较时间比较集群。换句话说，我想确定窗口t + 1的哪个簇对应于窗口t的第一个簇（假设C1）。然后，窗口t + 1的哪个簇对应于窗口t的第二簇（比如说C2）。等等10个窗口集群... 为了将两个集群视为相似，我所设想的假设如下：在窗口t的一个集群中出现的最少60％的公司必须在窗口t + 1处出现在集群中。

我有4个变量的数据帧（即Df）（即WindClus，Window，Cluster和Company）。

• WindClus 是 Window 和 Cluster 的连接。
• Window 构造为非重叠滚动窗口;每个窗口代表1个月。
• 每个 Window 包含10个 Clusters （组），每个 Cluster 收集多个公司。

请参阅以下脚注中的网址图片，以获得更好的图片1。

如何实现群集的成对比较？并且，根据结果，改变簇号以对应于新簇号？

Answer 1

K-means是随机的。它甚至不会给你在同一个月运行两次的相同结果。

所以不期望群集从一个月到另一个月具有1：1的对应关系！

你可以做的是加入所有数据，只运行k-means一次（或更好，运行几次以检查结果是否稳定 - 非常不同的结果表明结果不好！）然后拆分聚类后​​的数据。