मैं समय श्रृंखला डेटा के क्लस्टरिंग के-का मतलब कैसे कर सकता हूं? मैं समझता हूं कि यह कैसे काम करता है जब इनपुट डेटा बिंदुओं का एक सेट होता है, लेकिन मुझे नहीं पता कि 1XM के साथ एक समय श्रृंखला को क्लस्टर कैसे करें, जहां एम डेटा लंबाई है। विशेष रूप से, मुझे यकीन नहीं है कि समय श्रृंखला डेटा के लिए क्लस्टर के माध्य को कैसे अपडेट किया जाए।मैं समय श्रृंखला डेटा पर के-साधन क्लस्टरिंग कैसे कर सकता हूं?
मेरे पास लेबल की गई समय श्रृंखला का एक सेट है, और मैं यह जांचने के लिए के-अर्थ एल्गोरिदम का उपयोग करना चाहता हूं कि मैं एक समान लेबल वापस प्राप्त करूंगा या नहीं। मेरा एक्स मैट्रिक्स एन एक्स एम होगा, जहां एन समय श्रृंखला की संख्या है और एम ऊपर वर्णित डेटा लंबाई है।
क्या कोई यह जानता है कि यह कैसे करें? उदाहरण के लिए, मैं this k-means MATLAB code को कैसे संशोधित कर सकता हूं ताकि यह समय श्रृंखला डेटा के लिए काम करेगा? इसके अलावा, मैं यूक्लिडियन दूरी के अलावा विभिन्न दूरी मीट्रिक का उपयोग करने में सक्षम होना चाहता हूं।
बेहतर मेरी संदेह दर्शाने के लिए, यहाँ कोड मैं समय श्रृंखला डेटा के लिए संशोधित किया है:
% Check if second input is centroids
if ~isscalar(k)
c=k;
k=size(c,1);
else
c=X(ceil(rand(k,1)*n),:); % assign centroid randomly at start
end
% allocating variables
g0=ones(n,1);
gIdx=zeros(n,1);
D=zeros(n,k);
% Main loop converge if previous partition is the same as current
while any(g0~=gIdx)
% disp(sum(g0~=gIdx))
g0=gIdx;
% Loop for each centroid
for t=1:k
% d=zeros(n,1);
% Loop for each dimension
for s=1:n
D(s,t) = sqrt(sum((X(s,:)-c(t,:)).^2));
end
end
% Partition data to closest centroids
[z,gIdx]=min(D,[],2);
% Update centroids using means of partitions
for t=1:k
% Is this how we calculate new mean of the time series?
c(t,:)=mean(X(gIdx==t,:));
end
end
क्या आप कृपया कुछ मजबूत क्लस्टरिंग एल्गोरिदम सुझा सकते हैं। और डीटीडब्ल्यू क्या है? धन्यवाद। – samkhan13
समय श्रृंखला पर किसी भी पुस्तक को पकड़ो, और यह आपको डीटीडब्ल्यू सिखाएगा। या "टाइम सीरीज डीटीडब्लू" के लिए गूगल। यह कला की स्थिति है। क्लस्टरिंग के लिए, विकिपीडिया पर डीबीएससीएएन और ऑप्टिक्स देखें। उनका उपयोग डीटीडब्ल्यू के साथ किया जा सकता है, के-साधन नहीं कर सकते हैं। –
धन्यवाद यह मदद करता है :) – samkhan13