Python用KShape对时间序列进行聚类和肘方法确定最优聚类数k可视化

最近我们被客户要求撰写关于时间序列聚类的研究报告，包括一些图形和统计输出。

时序数据的聚类方法

该算法按照以下流程执行。

1. 使用基于互相关测量的距离标度（基于形状的距离：SBD）
2. 根据 1 计算时间序列聚类的质心。（一种新的基于质心的聚类算法，可保留时间序列的形状）
3. 划分成每个簇的方法和一般的kmeans一样，但是在计算距离尺度和重心的时候使用上面的1和2。

 【视频】KMEANS均值聚类和层次聚类：R语言分析生活幸福质量系数可视化实例

KMEANS均值聚类和层次聚类：R语言分析生活幸福质量系数可视化实例

，时长06:05

import pandas as pd

​

    # 读取数据帧，将其转化为时间序列数组，并将其存储在一个列表中
    tata = []
    for i, df in enmee(dfs):
        
        # 检查每个时间序列数据的最大长度。
        for ts in tsda:
            if len(s) > ln_a:
                lenmx = len(ts)
        
        # 给出最后一个数据，以调整时间序列数据的长度
        for i, ts in enumerate(tsdata):
            dta[i] = ts + [ts[-1]] * n_dd
    


    # 转换为矢量
    stack_list = []
    for j in range(len(timeseries_dataset)):
       
        stack_list.append(data)
    
    # 转换为一维数组
    trasfome_daa = np.stack(ack_ist, axis=0)
    return trafoed_data

数据集准备

# 文件列表
flnes= soted(go.ob('mpldat/smeda*.csv'))

# 从文件中加载数据帧并将其存储在一个列表中。
for ienme in fiemes:
    df = pd.read_csv(filnme, indx_cl=one,hadr=0)
    flt.append(df)

聚类结果的可视化

# 为了计算交叉关系，需要对它们进行归一化处理。
# TimeSeriesScalerMeanVariance将是对数据进行规范化的类。
sac_da = TimeeiesalerMVarne(mu=0.0, std=1.0).fit_trnform(tranfome_data)

# KShape类的实例化。
ks = KShpe(_clusrs=2, n_nit=10, vrboe=True, rano_stte=sed)
yprd = ks.ft_reitsak_ata)
# 聚类和可视化

plt.tight_layout()
plt.show()

​

用肘法计算簇数

• 什么是肘法...

  • 计算从每个点到簇中心的距离的平方和，指定为簇内误差平方和 (SSE)。
  • 它是一种更改簇数，绘制每个 SSE 值，并将像“肘”一样弯曲的点设置为最佳簇数的方法。

#计算到1~10个群组 
for i  in range(1,11):
    #进行聚类计算。
    ks.fit(sacdta)
    #KS.fit给出KS.inrta_
    disorons.append(ks.netia_)

plt.plot(range(1,11), disorins, marker='o')

​

​

---

​