时序聚类
文章平均质量分 60
青春依旧_
这个作者很懒,什么都没留下…
展开
-
【一般聚类/时序聚类】python实现多密度自适应聚类:Multi-DBSCAN
本文代码基于该篇进行魔改,功能调用更加方便,速度经测试快了几十倍import mathimport copyimport numpy as npfrom sklearn.cluster import DBSCANimport sklearn.metrics.pairwise as pairwiseclass Adapter_DBSCAN(): # 默认统计聚类个数在2-25之间的聚类情况, 参数符合python左闭右开 def __init__(self,num_clu原创 2021-03-25 23:22:07 · 4612 阅读 · 53 评论 -
【时间序列聚类】KMedoids聚类+DTW算法
前言KMedoids的聚类有时比KMeans的聚类效果要好。手上正好有一批时序数据,今天用KMedoids试下聚类效果安装KMedoids可以使用sklearn的拓展聚类模块scikit-learn-extra,模块需要保证 Python (>=3.6) scikit-learn(>=0.22) 安装 scikit-learn-extraPyPi: pip install scikit-learn-extraConda: conda install -c原创 2020-08-14 16:13:46 · 17154 阅读 · 103 评论 -
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段时间序原创 2020-08-11 22:38:05 · 18895 阅读 · 84 评论