聚类相似的时间序列？

Question

我有10-20k个不同的时间序列（24维数据-一天中的每个小时为一列）之间的某个地方，我对聚类的时间序列表现出大致相同的活动模式感兴趣。

我最初开始实施动态时间规整（DTW），原因是：

1. 并非我所有的时间序列都完全对齐
2. 出于我的目的，两个略有偏移的时间序列应被视为相似
3. 形状相同但比例不同的两个时间序列应视为相似

我对DTW遇到的唯一问题是它似乎无法很好地缩放-在500x500距离矩阵上fastdtw花费了大约30分钟。

还有哪些其他方法可以帮助我满足条件2和3？

Answer 1

如果将时间序列分解为趋势，季节性和残差，ARIMA可以胜任。之后，使用K最近邻算法。但是，基本上由于ARIMA，计算成本可能会很高。

在ARIMA中：

DefaultParameters

作为@Sushant评论的补充，您可以分解时间序列，并可以检查4个图中的一个或全部的相似性：数据，季节性，趋势和残差。

source code

然后是一个数据示例：

restClient.DefaultParameters.Add(p);

xUnit

您将获得相似之处：

from statsmodels.tsa.arima_model import ARIMA

model0 = ARIMA(X, dates=None,order=(2,1,0))
model1 = model0.fit(disp=1)

decomposition = seasonal_decompose(np.array(X).reshape(len(X),),freq=100)
### insert your data seasonality in 'freq'

trend = decomposition.trend
seasonal = decomposition.seasonal
residual = decomposition.resid