如何解决K-Means聚类不同长度的时间序列数据
在对不同长度的时间序列数据使用 k-means 算法和 DTW 后,我一直试图了解每个集群的“均值”或质心位于何处。
如果使用 k-medoids,每个集群的代表性时间序列在哪里很清楚,因为它是数据中真实存在的时间序列。但是在 k-means 的情况下呢?
要点:
- 不同长度的时间序列数据
- 没有欧几里德距离,但有 DTW
- k-means 估计的质心位置在哪里? -> 问题
提前致谢。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。