我有时间序列数据，这些数据已汇总为3周并转换为特征。
现在，我具有以下功能：A_week1，B_week1，C_week1，A_week2，B_week2，C_week2，依此类推。 有些功能不显眼，有些则是连续的。
我正在考虑应用K-Means或DBSCAN。
在这种情况下应该如何进行功能选择？ 我应该规范功能吗？我是否应该引入一些新的方法，以某种方式将各个时期联系在一起？
答案 0 :(得分：0)
由于K-means和DBSCAN是无监督的学习算法，因此对它们的功能选择与网格搜索有关。您可能需要测试它们，以基于内部度量（例如Davies-Bouldin索引，Silhouette系数）评估此类算法。如果您使用的是python，则可以使用详尽的网格搜索进行搜索。这是指向scikit库的链接。
答案 1 :(得分：0)
形式化您的问题，而不仅仅是破解一些代码。
K均值使平方和最小。如果特征具有不同的比例，则它们对优化的影响将不同。因此，您仔细需要选择每个变量的权重（比例因子）以按照您希望的方式平衡它们的重要性（并注意，2倍的比例因子不会 重要的一倍）。
对于DBSCAN，距离只是一个二进制决定：是否足够接近。如果使用GDBSCAN版本，则比起距离更容易理解。但是对于混合变量，我建议使用最大范数。如果两个对象的每个变量最多相差“ eps”，则它们将关闭。您可以设置eps = 1，并缩放变量，以使1的差异太大。例如，在离散变量中，您可能要容忍一两个离散步骤，但不能容忍三个。
从逻辑上讲，很容易看到最大距离阈值分解为一个单变量子句的析取物：
maxdistance(x,y) <= eps
<=>
forall_i |x_i-y_i| <= eps