tslearn使用轮廓系数（silhouette_score）评估KShape聚类效果

前言

tslearn和sklearn一样，是一款优秀的机器学习框架，tslearn更偏向于处理时间序列问题，如其聚类模块就包含了DTW（Dynamic Time Warping）等算法及变种，也提供了轮廓系数对聚类效果评估，十分方便。但可惜，tslearn似乎没有提供对KShape聚类的评估方法，而且tslearn用的人也不多，官方文档也是很 “简洁”，网上也搜不到多少相关文章，所以这里也就记录下自己的踩坑过程

轮廓系数评估接口调用

先看官方例子，这里X是一个三维的numpy数组，代表20段时间序列，每段序列16个时间点。labels代表每段时间序列（每条时间曲线）的聚类结果，metric是每条时间曲线之间相似度度量方法，可以看到官方提供了dtw-dba、softdtw以及欧氏距离三种相似度度量方法，但没有关于KShape聚类的。

注意到最后一行，metric=“precomputed”，说明官方提供了用户自定义的距离度量方法，很好，那么使用silhouette_score评估KShape的关键就在此了。又注意到precomputed的时候，参数传的是cdist_dtw(X)，而其他传的是X，有什么区别？

打印

醒目的零对角线告诉我们这是X与X自身的距离矩阵，相同时间曲线的距离为零。这样其实也就对了，轮廓系数的计算本来就需要比较当前元素到同簇下其他元素的距离，以及与其他簇下的距离，因此需要得到每个元素之间的距离，X与X自身的距离矩阵恰好解决了这点，而计算其他簇就需要labels标签指明哪些元素属于哪些类

问题来了，那我怎么知道KShape聚类用什么方法度量相似度？不清楚其用的方法，就得不到距离矩阵，也就无法使用precomputed。自己看论文仿写一个？仿写的若与源码的实现不同，细节上的差距也可能会导致轮廓系数的评估不准

源码找突破口

我们现在想要的是KShape对时间序列相似度、也就是距离的计算方法，而且要原封不动，不能仿写，所以只能去KShape源码里寻找结果。点进KShape，大概是一千多行的位置

既然是距离，就在KShape行数往后搜索dist，看看能否找到相关线索

 

一个醒目的函数名引起了我的注意，cross_dist，交叉距离，似乎有点距离矩阵的味道。于是我查阅了KShape官方文档，看到有这么一条引用：

说明tslearn里的KShape源码是按该论文实现的。在论文k-Shape: Efficient and Accurate Clustering of Time Series中，看到了这样一个公式：

表达式 1 - max(xxx)，这不正好和_cross_dist函数的结构一样？就差一个max。

继续点进 cdist_normalized_cc