时间序列聚类：改变动态时间扭曲的扭曲窗口

Question

我正在研究相同类型的数据，我想对《时代》系列进行分类以查找清晰的使用模式。 我的数据是从一家电信公司的客户那里收集的，我们希望检测使用其WiFi框消费的数据量的模式。因此，每个客户都有一个时间序列，每6分钟都消耗了多少数据（我将其重新采样到数小时）。 我还使用tslearn使用kmeanstimeseries将DTW应用于：

km = TimeSeriesKMeans(n_clusters = cluster_count, metric="dtw", verbose=1)
labels = km.fit_predict(mySeries)

我的问题是我想更改python中DTW的翘曲窗口，我很确定这很容易，但是我只是找不到coud coud一种做到这一点的方法。我还想找到最佳的窗口参数。

Answer 1

假设您在谈论Tslearn软件包，我们可以查看 limeserieskmeans 。

这些参数详细描述为：

公制：{“ euclidean”，“ dtw”，“ softdtw”}（默认值：“ euclidean”）metric
用于集群分配和Barycenter计算。如果
“ DTW”，DBA用于barycenter计算。

metric_params ：dict或none（默认：无）参数值
选定的度量标准。对于接受并行化的指标
跨距离矩阵计算，n_jobs密钥在metric_params中传递

被N_JOBS参数覆盖。

因此我们可以将参数传递给度量标准。然后，然后研究 dtw公制提供，我们找到的地方

global_constraint： {“ itakura”，“ sakoe_chiba”}或无（默认：无）
全球限制限制DTW的可允许途径。

sakoe_chiba_radius： int或无（默认：无）用于用于
Sakoe-Chiba乐队全球约束。如果没有，global_constraint是
设置为“ sakoe_chiba”，使用1个半径为1。如果这两个
设置了Sakoe_chiba_radius和itakura_max_slope，global_constraint是
用于推断两者之间使用哪个约束。在这种情况下，如果
global_constraint对应于没有全局约束，一个
升级运行时沃宁，没有使用全局约束。

itakura_max_slope： float或none（默认：无）最大斜率
itakura平行四边形约束。如果没有，global_constraint是
设置为“ itakura”，最大斜率为2。如果这两个
设置了Sakoe_chiba_radius和itakura_max_slope，global_constraint是
用于推断两者之间使用哪个约束。在这种情况下，如果
global_constraint对应于没有全局约束，一个
升级运行时沃宁，没有使用全局约束。

因此，我建议您打电话

km = TimeSeriesKMeans(n_clusters = cluster_count, metric="dtw", metric_params = {global_constraint:“itakura”} verbose=1)