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)
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。