dtaidistance笔记：dtw_ndim (高维时间序列之间的DTW)

UQI-LIUWJ

于 2023-12-06 10:36:18 发布

阅读量751

点赞数 7

分类专栏： python库整理文章标签：笔记

本文链接：https://blog.csdn.net/qq_40206371/article/details/134825128

版权

python库整理专栏收录该内容

325 篇文章 47 订阅

订阅专栏

本文介绍了在数据分析中使用DTW（动态时间warping）算法处理多维度时间序列的方法，包括计算两个序列的DTW距离、Fast-C优化版本的快速距离计算、距离矩阵以及warping路径的可视化。重点讲解了如何在sequenceindex上进行对齐和效率提升。

摘要由CSDN通过智能技术生成

1 数据

第一个维度是sequence的index，每一行是多个元素（表示这一时刻的record）

from dtaidistance.dtw_ndim import *

s1 = np.array([[0, 0],
               [0, 1],
               [2, 1],
               [0, 1],
               [0, 0]], dtype=np.double)
s2 = np.array([[0, 0],
               [2, 1],
               [0, 1],
               [0, .5],
               [0, 0]], dtype=np.double)

2 主要方法

distance	两个序列的DTW距离
distance_fast	Fast-C的DTW距离
distance_matrix	多个多维时间序列的距离矩阵
distance_matrix_fast'	Fast-C的distance_matrix
warping_path	两个多维时间序列是如何对齐的
warping_paths
warping_paths_fast	fast-C版本的warping_paths