R 具有动态时间扭曲距离（DTW）和dtwclust的时间序列聚类

我正在尝试使用

dtwclust

包执行具有动态时间扭曲距离（DTW）的时间序列聚类

我用这个函数,

dtwclust(data = NULL, type = "partitional", k = 2L, method = "average",
distance = "dtw", centroid = "pam", preproc = NULL, dc = NULL,
control = NULL, seed = NULL, distmat = NULL, ...)

我将数据保存为列表，它们的长度不同。 就像下面的例子，它是一个时间序列

$a
[1]  0  0  0  0  2  3  6  7  8  9 11 13

$b
[1]  0  1  1  2  4  7  8 11 13 15 17 19 22 25 28 31 34 35

$c
[1]  1  2  4  4  4  4  4  4  4  4  5  5  5  5  5  5  5  6  6  6  6  7  7  8  8  9 10 10 12 14 15 17 19

$d
[1] 0 0 0 0 0 1 2 4 4 4

$e
[1]  0  1  1  3  5  6  9 12 14 17 19 20 22 24 28 31 32 34

现在，我的问题是

(一) 我只能为我的距离选择

dtw

，

dtw2

或

sbd

，为我的质心选择

dba

，

shape

或

pam

（因为列表长度不同）。但是，我不知道哪个距离和质心是正确的

(二) 我画了一些图，但我不知道如何选择正确和合理的一个

k=6，距离=dtw，质心=dba

：

k=4，距离=dtw，质心=dba

（集群中心似乎是有线的？）

我做了所有的组合，从4到13。。。但我不知道如何选择正确的参数…

您不想“选择”参数，而是评估结果。因此，您需要为集群的评估选择一个标准。基本上可以改变参数，如距离和k，然后使用损失函数评估聚类。通常有两种评估聚类的可能性：

外部评估：

您可以使用标签（这些标签未用于聚类，因此被视为外部标签）以假阳性、真阳性等形式计算准确度，这将最终导致出现错误

似乎您的数据没有标记，因此您无法计算任何准确性，这将是最简单的方法

内部评估：

或者，您可以尝试最大化集群内的相似性（集群成员到特定集群的所有其他成员的平均距离）和最小化集群间的相似性（集群成员到其自己集群之外的所有元素的平均距离）

欲了解更多信息，请访问：

---

请注意，

dtwclust

现在在

cvi

功能中包括了评估工具。