Python用KShape對時間序列進行聚類和肘方法確定最優(yōu)聚類數(shù)k可視化
原文鏈接：http://tecdat.cn/?p=27078?
原文出處：拓端數(shù)據(jù)部落公眾號
?【視頻】KMEANS均值聚類和層次聚類：R語言分析生活幸福質(zhì)量系數(shù)可視化實例
KMEANS均值聚類和層次聚類：R語言分析生活幸福質(zhì)量系數(shù)可視化實例
，時長06:05
時序數(shù)據(jù)的聚類方法
該算法按照以下流程執(zhí)行。
使用基于互相關(guān)測量的距離標度（基于形狀的距離：SBD）
根據(jù) 1 計算時間序列聚類的質(zhì)心。（一種新的基于質(zhì)心的聚類算法，可保留時間序列的形狀）
劃分成每個簇的方法和一般的kmeans一樣，但是在計算距離尺度和重心的時候使用上面的1和2。
import pandas as pd
# 讀取數(shù)據(jù)幀，將其轉(zhuǎn)化為時間序列數(shù)組，并將其存儲在一個列表中tata = []for i, df in enmee(dfs):# 檢查每個時間序列數(shù)據(jù)的最大長度。for ts in tsda:if len(s) > ln_a:lenmx = len(ts)# 給出最后一個數(shù)據(jù)，以調(diào)整時間序列數(shù)據(jù)的長度for i, ts in enumerate(tsdata):dta[i] = ts + [ts[-1]] * n_dd# 轉(zhuǎn)換為矢量stack_list = []for j in range(len(timeseries_dataset)):stack_list.append(data)# 轉(zhuǎn)換為一維數(shù)組trasfome_daa = np.stack(ack_ist, axis=0)return trafoed_data
數(shù)據(jù)集準備
# 文件列表flnes= soted(go.ob('mpldat/smeda*.csv'))
# 從文件中加載數(shù)據(jù)幀并將其存儲在一個列表中。
for ienme in fiemes:
df = pd.read_csv(filnme, indx_cl=one,hadr=0)
flt.append(df)
聚類結(jié)果的可視化
# 為了計算交叉關(guān)系，需要對它們進行歸一化處理。# TimeSeriesScalerMeanVariance將是對數(shù)據(jù)進行規(guī)范化的類。sac_da = TimeeiesalerMVarne(mu=0.0, std=1.0).fit_trnform(tranfome_data)# KShape類的實例化。ks = KShpe(_clusrs=2, n_nit=10, vrboe=True, rano_stte=sed)yprd = ks.ft_reitsak_ata)# 聚類和可視化plt.tight_layout()plt.show()
用肘法計算簇數(shù)
什么是肘法...
計算從每個點到簇中心的距離的平方和，指定為簇內(nèi)誤差平方和 (SSE)。
它是一種更改簇數(shù)，繪制每個 SSE 值，并將像“肘”一樣彎曲的點設(shè)置為最佳簇數(shù)的方法。
#計算到1~10個群組for i ?in range(1,11):#進行聚類計算。ks.fit(sacdta)#KS.fit給出KS.inrta_disorons.append(ks.netia_)plt.plot(range(1,11), disorins, marker='o')
最受歡迎的見解
1.R語言k-Shape算法股票價格時間序列聚類
2.R語言中不同類型的聚類方法比較
3.R語言對用電負荷時間序列數(shù)據(jù)進行K-medoids聚類建模和GAM回歸
4.r語言鳶尾花iris數(shù)據(jù)集的層次聚類
5.Python Monte Carlo K-Means聚類實戰(zhàn)
6.用R進行網(wǎng)站評論文本挖掘聚類
7.用于NLP的Python：使用Keras的多標簽文本LSTM神經(jīng)網(wǎng)絡(luò)
8.R語言對MNIST數(shù)據(jù)集分析 探索手寫數(shù)字分類數(shù)據(jù)
9.R語言基于Keras的小數(shù)據(jù)集深度學習圖像分類
