動態時間規整聚類

使用動態時間規整 (DTW) 執行時間序列聚類的方法是什麼？

我已經閱讀了 DTW 作為一種在兩個時間序列之間找到相似性的方法，同時它們可以在時間上移動。我可以將此方法用作聚類算法（如 k-means）的相似性度量嗎？

不要對時間序列使用 k-means。

DTW沒有被平均最小化；k-means 可能不會收斂，即使收斂也不會產生很好的結果。均值是坐標上的最小二乘估計量。它最小化方差，而不是任意距離，k-means 旨在最小化方差，而不是任意距離。

假設您有兩個時間序列。兩個正弦波，頻率相同，採樣週期較長；但它們被抵消了. 由於 DTW 會進行時間扭曲，它可以對齊它們，使它們完美匹配，除了開頭和結尾。DTW 將為這兩個系列分配一個相當小的距離。但是，如果您計算兩個系列的平均值，它將是一個平坦的 0 - 它們相互抵消。均值不做動態時間扭曲，並失去了 DTW 獲得的所有價值。在這樣的數據上，k-means 可能無法收斂，結果將毫無意義。K-means 真的應該只用於方差（= 平方歐幾里得），或者一些等價的情況（如餘弦，在 L2 歸一化數據上，其中餘弦相似度與平方歐幾里得距離）

相反，使用 DTW 計算距離矩陣，然後運行層次聚類，例如單鏈接。與 k-means 相比，序列甚至可能有不同的長度。

引用自：https://stats.stackexchange.com/questions/131281