R n最相似的时间序列-dwt聚类/最近邻居

如何解决R n最相似的时间序列-dwt聚类/最近邻居

附带的数据只是一个简化的示例，因为实际上我有数百个人和数百个时间点。

我正在寻找一种确定相似时间序列的方法。

我这里有一些代码来确定集群，但这并不是我想要的。

我想要的是，如果选择一个人，它将返回n个最相似的时间序列的名称。

即，如果n = 1，并且我输入Bob，它将返回Dave，但是如果我输入Sam，它将返回Bob（这些名称将在df中添加到新列中）。如果n = 2，则第一列将包含最相似的时间序列，第二列将包含第二最相似的时间序列。这类似于K个最近的邻居，但跨时间序列，因此每个人都有一组不同的“邻居”。

如果这不可行或太困难了，我可以选择指定每个组中的人数，而不是组中的人数。

在此示例中，我指定了4个组，但没有将4个组分为2个。

B组包含4个人，而C和D只有1个人。

        hc@cluster
James            A
Dave             B
Bob              B
Joe              C
Robert           A
Michael          B
Sam              B
Steve            D

library(dtwclust)

df <- data.frame(
  row.names = c("James","Dave","Bob","Joe","Robert","Michael","Sam","Steve"),Monday    = c(82,46,96,57,69,28,100,10),Tuesday   = c(77,62,112,66,54,34,107,20),Wednesday = c(77,59,109,65,50,37,114,30),Thursday  = c(73,92,142,77,30,128,40),Friday    = c(74,49,99,90,25,111,50),Saturday  = c(68,26,76,81,42,63,60),Sunday    = c(79,87,73,53,33,79,70)
)

hc<- tsclust(df,type = "h",k = 4,preproc = zscore,seed = 899,distance = "sbd",centroid = shape_extraction,control = hierarchical_control(method = "average"))

plot(hc)

yo <- as.data.frame(hc@cluster)
yo$`hc@cluster` <- LETTERS[yo$`hc@cluster`]
print(yo)

解决方法

您要做的是不对数据进行聚类，而是要根据一个特定的时间序列对其进行排序，这就是问题所在。要执行您想要的操作，首先，您必须选择“距离”量度，例如可以是欧式或相关性。在下一个示例中，我提供了同时测量距离（相关性和欧式）的代码。它简单地计算出时间序列之间的距离，然后对其进行排序，最后得到较低的N个值。请注意，选择距离测量会改变您的结果。

df <- data.frame(
  Monday    = c(82,46,96,57,69,28,100,10),Tuesday   = c(77,62,112,66,54,34,107,20),Wednesday = c(77,59,109,65,50,37,114,30),Thursday  = c(73,92,142,77,30,128,40),Friday    = c(74,49,99,90,25,111,50),Saturday  = c(68,26,76,81,42,63,60),Sunday    = c(79,87,73,53,33,79,70)
)

df <- as.data.frame(t(df))
colnames(df) <- c("James","Dave","Bob","Joe","Robert","Michael","Sam","Steve") 
  
get_nearest_n <- function(data,name,n = 1){
  #' n must be positive and integer
  #' name must be a column name of data
  #' data must be a dataframe
  
  serie <- data[,name]
  data <- data[,-which(colnames(data) == name)]
  
  dist <- sqrt(colSums((data-serie)**2))
      
  sorted_names <- names(sort(dist)[1:n])
  return(data[,sorted_names])
}

get_nearest_n2 <- function(data,-which(colnames(data) == name)]
  
  dist <- as.data.frame(cor(serie,data))
  
  sorted_names <- names(sort(dist,decreasing = T)[1:n])
  return(data[,sorted_names])
}
    
get_nearest_n(data = df,name = 'Bob',n = 3)
get_nearest_n2(data = df,n = 3)