如何在python中使用KMeans对时间序列进行集群

因此，我有一个格式为[UID obj1 obj2..]x timestamp的数据，我想使用sklearn中的kmeans在python中对这些数据进行集群。我应该从哪里开始

编辑：

---

因此，基本上我正在尝试根据clickstream数据对用户进行聚类，并根据使用模式对其进行分类。

您可以根据原始数据添加更多功能，并使用RFM分析等方法。RFM=最近、频率、货币

例如：

用户多久登录一次？

---

用户上次登录的时间？

您可以使用Python库（），它允许您使用简单的命令根据clickstream数据对用户进行集群。您还可以指定您对集群感兴趣的任何目标事件，并使用交互式图形浏览获得的图形

data.rete.get_clusters(method='kmeans',
                   feature_type='tfidf',
                   n_clusters=8,
                   ngram_range=(1,2),
                   plot_type='cluster_bar',
                   targets=['payment_done','cart']);

接下来，您可以使用交互式图形探索获得的行为群集：

clus_0 = data.rete.filter_cluster(0)
clus_0.rete.plot_graph(thresh=0.1,
                   weight_col='user_id',
                   targets = {'lost':'red',
                              'payment_done':'green'})

---

你能吗？你能举一个你想要实现的例子吗？重复的问题：sci工具包有很好的和其他集群算法的实现