Python 具有时间感知/可变Sakoe Chiba半径的DTW

Python 具有时间感知/可变Sakoe Chiba半径的DTW,python,dtw,Python,Dtw,我正在用DTW的tslearn实现比较两个不规则间隔的时间序列。由于这两个时间序列都是非常不规则的采样,并且它们的采样不相关,我想使用Sakoe Chiba半径将比较观测范围限制在一小时内(例如),如果我会定期采样时间序列,比如说,1分钟间隔,我会使用Sakoe Chiba半径等于60,但我没有这样的数据,它应该存在比数据处理(插值到1分钟时间间隔)更自然的解决方案,例如变量Sakoe Chiba半径(每个观测具有不同的S-Ch半径,预先计算以获得相当于1小时的约束),与常数S-Ch半径相比,是

我正在用DTW的
tslearn
实现比较两个不规则间隔的时间序列。由于这两个时间序列都是非常不规则的采样,并且它们的采样不相关,我想使用Sakoe Chiba半径将比较观测范围限制在一小时内(例如),如果我会定期采样时间序列,比如说,1分钟间隔,我会使用Sakoe Chiba半径等于60,但我没有这样的数据,它应该存在比数据处理(插值到1分钟时间间隔)更自然的解决方案,例如变量Sakoe Chiba半径(每个观测具有不同的S-Ch半径,预先计算以获得相当于1小时的约束),与常数S-Ch半径相比,是否存在计算效率低下的原因?

这不是一个与Python相关的问题。@alec_djinn是的,你是对的,还有一个悬而未决的问题,我可以改进什么来获得正确的答案?你应该展示一个清晰的代码示例,否则,你可以尝试不同的社区