利用Python对时间序列进行分类与聚类

上传者: kamo54 | 上传时间: 2021-03-12 19:00:24 | 文件大小: 3.18MB | 文件类型: ZIP
可靠的方法去判断两个时间序列是否相似,截下来便可以使用k-NN算法进行分类。根据经验,最优解一般出现在k=1的时候。下面就利用DTW欧氏距离的1-NN算法。在该算法中,train是时间序列示例的训练集,其中时间序列所属的类被附加到时间序列的末尾。test是相应的测试集,它所属于的类别就是我们想要预测的结果。在该算法中,对于测试集中的每一个时间序列,每一遍搜索必须遍历训练集中的所有点,从而可以找到最多的相似点。考虑到DTW算法是二次方的,计算过程会耗费非常长时间。我们可以通过LB Keogh下界方法来提高分类算法的计算速度。计算机运行LB Keogh的速度会比运行DTW的速度快很多。另外,当LB

文件下载

资源详情

[{"title":"( 9 个子文件 3.18MB ) 利用Python对时间序列进行分类与聚类","children":[{"title":"README.md <span style='color:#111;'> 686B </span>","children":null,"spread":false},{"title":"spatio-time cluster.py <span style='color:#111;'> 5.60KB </span>","children":null,"spread":false},{"title":"datasets","children":[{"title":"test.csv <span style='color:#111;'> 195.00KB </span>","children":null,"spread":false},{"title":"train.csv <span style='color:#111;'> 194.98KB </span>","children":null,"spread":false}],"spread":true},{"title":"金融时间序列聚类分析方法比较研究--基于上市公司股票收益率的实证分析.pdf <span style='color:#111;'> 2.23MB </span>","children":null,"spread":false},{"title":"Time Series Classification and Clustering.ipynb <span style='color:#111;'> 82.78KB </span>","children":null,"spread":false},{"title":"利用Python对时间序列进行分类与聚类.pdf <span style='color:#111;'> 912.98KB </span>","children":null,"spread":false},{"title":"classification","children":[{"title":"ts_classifier.py <span style='color:#111;'> 2.71KB </span>","children":null,"spread":false}],"spread":true},{"title":"clustering","children":[{"title":"ts_cluster.py <span style='color:#111;'> 3.03KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明