k-shape时间序列聚类(tslearn)

1. 时间序列聚类概述

---

时间序列数据挖掘从技术角度来讲，一般有四种：时间序列预测，时间序列分类，时间序列聚类，时间序列异常检测，基本上包含了机器学习的几大领域。由于时序数据的特殊性，所以每一个方面都与截面数据挖掘有所区别。本文主要讲讲时序聚类中的k-shape算法。

• 时间序列数据的聚类，关键在于如何定义相似度，比如基于时间序列特征（len,max,min,std,lag）作为特征，描述不同时序的特性，可以使用 KMeans算法，用欧式距离进行聚类。
• 除了欧式距离以外，还可以使用DTW等方法，基于动态规划原理，对时间序列进行扭曲，进行必要的错位，计算出最合适的距离，将形状相似的序列具有同一个类，非常简洁的一篇理解DTW计算距离的算法文章见个人所写另一篇博客

---

2. 时间序列聚类的应用

作为一种广泛的数据挖掘手段，时间序列聚类的用途，就个人理解来说，首先是辅助机器学习建模预测，可以把聚类结果作为一种特征放入模型中，当然也可以用于不同序列分类预测的标签，其次是，用于新品预测等，依据形状相似度，找到相似的产品，发现商品潜在的未来规律，等等。

k-shape算法优点就是针对形状计算距离，优点很鲜明，同时不得不说的是计算复杂度很高，且我们使用tslearn包进行聚类，是需要不同的序列长度一致的。

不同形状的时序聚类效果

从轮廓系数用手肘法确定最佳聚类个数

---

3. 代码部分
   本文代码包含以下几方面：

• 1.数据读取与预处理（序列填充，使每条序列等长）
• 2.计算轮廓系数，求出轮廓系数最大时的聚类个数k
• 3.使用最佳聚类个数，得到序列聚类标签
• 4.可视化，绘制elbow线图辅助检验聚类个数是否合理，同时绘制不同序列的聚类效果图。

完整代码和数据

其他相关参考价值比较大的链接如下：
1.介绍互相关原理与python计算
https://fanyublog.com/2015/11/16/corr_python/
2.记录了使用SBD以及k-shape采坑
https://blog.csdn.net/qq_37960007/article/details/107937212