R n 最相似的时间序列 - dwt 聚类/最近邻

Question

所附数据是一个简化示例，因为实际上我有数百人和数百个时间点。

我正在寻找一种方法来确定相似的时间序列。

我这里有一些代码来确定集群，但这并不是我想要的。

我想要的是，如果我选择一个人，它将返回 n 个最相似的时间序列的名称。

即，如果 n = 1，并且我输入 Bob，它将返回 Dave，但是如果我输入 Sam，它将返回 Bob（这些名称将进入带有 df 的新列）。如果 n = 2，第一列将包含最相似的时间序列，第二列将包含下一个最相似的时间序列。这类似于 K 个最近邻居，但跨越时间序列，因此每个人都有一组不同的“邻居”。

如果这不可行或太难，我也希望指定每个组中的人数，而不是组数。

在这个例子中，我指定了 4 个组，这并不是 4 个 2 个组。

B 组有 4 人，而 C 和 D 组只有 1 人。

        hc@cluster
James            A
Dave             B
Bob              B
Joe              C
Robert           A
Michael          B
Sam              B
Steve            D

library(dtwclust)

df <- data.frame(
  row.names = c("James", "Dave", "Bob", "Joe", "Robert", "Michael", "Sam", "Steve"),
  Monday    = c(82, 46, 96, 57, 69, 28, 100, 10),
  Tuesday   = c(77, 62, 112, 66, 54, 34, 107, 20),
  Wednesday = c(77, 59, 109, 65, 50, 37, 114, 30),
  Thursday  = c(73, 92, 142, 77, 54, 30, 128, 40),
  Friday    = c(74, 49, 99, 90, 50, 25, 111, 50),
  Saturday  = c(68, 26, 76, 81, 42, 28, 63, 60),
  Sunday    = c(79, 37, 87, 73, 53, 33, 79, 70)
)

hc<- tsclust(df, type = "h", k = 4,
             preproc = zscore, seed = 899,
             distance = "sbd", centroid = shape_extraction,
             control = hierarchical_control(method = "average"))

plot(hc)

yo <- as.data.frame(hc@cluster)
yo$`hc@cluster` <- LETTERS[yo$`hc@cluster`]
print(yo)

Answer 1

您要做的不是对数据进行聚类，而是要根据一个特定的时间序列对其进行排序，这就是问题所在。为了做你想做的事，首先，你必须选择一个“距离”的度量，例如可以是欧几里得或相关。在下一个示例中，我提供了一个包含距离测量（相关性和欧几里得）的代码。它简单地计算时间序列之间的距离，然后对其进行排序，最后选择 N 较低的。请注意，距离测量的选择会改变您的结果。

df <- data.frame(
  Monday    = c(82, 46, 96, 57, 69, 28, 100, 10),
  Tuesday   = c(77, 62, 112, 66, 54, 34, 107, 20),
  Wednesday = c(77, 59, 109, 65, 50, 37, 114, 30),
  Thursday  = c(73, 92, 142, 77, 54, 30, 128, 40),
  Friday    = c(74, 49, 99, 90, 50, 25, 111, 50),
  Saturday  = c(68, 26, 76, 81, 42, 28, 63, 60),
  Sunday    = c(79, 37, 87, 73, 53, 33, 79, 70)
)

df <- as.data.frame(t(df))
colnames(df) <- c("James", "Dave", "Bob", "Joe", "Robert", "Michael", "Sam", "Steve") 
  
get_nearest_n <- function(data, name, n = 1){
  #' n must be positive and integer
  #' name must be a column name of data
  #' data must be a dataframe
  
  serie <- data[,name]
  data <- data[,-which(colnames(data) == name)]
  
  dist <- sqrt(colSums((data-serie)**2))
      
  sorted_names <- names(sort(dist)[1:n])
  return(data[,sorted_names])
}

get_nearest_n2 <- function(data, name, n = 1){
  #' n must be positive and integer
  #' name must be a column name of data
  #' data must be a dataframe
  
  serie <- data[,name]
  data <- data[,-which(colnames(data) == name)]
  
  dist <- as.data.frame(cor(serie,data))
  
  sorted_names <- names(sort(dist,decreasing = T)[1:n])
  return(data[,sorted_names])
}
    
get_nearest_n(data = df, name = 'Bob', n = 3)
get_nearest_n2(data = df, name = 'Bob', n = 3)