R中随时间变化的集群答案

【问题标题】：Clusters over time in RR中随时间变化的集群
【发布时间】：2011-11-26 19:45:18
【问题描述】：

我有一系列数据要使用聚类，我想看看随着时间的推移这些数据是如何聚类的。

所以基本上每个人都从一个组开始，因为他们什么都没做，但随着时间的推移，随着他们做不同的事情，他们会根据他们的行为被分到不同的组中，我想对此进行跟踪。

我一直在寻找一种在 R 中执行此操作的方法（在 Python 中对数据进行一些预处理），并以图形方式表示它。我目前能想到的唯一方法是将时间段分成 3 周，然后将 3 周中的每一周进行聚类。唯一的问题是我真的不知道如何在这 3 周内跟踪集群之间的人员移动（例如，查看某人的行为是否将他们从 A 组移动到 B 组）。我可以将它放在一个表格中，但以某种方式以图形方式显示它会很好（比如随着时间的推移集群之间的红线或其他东西）。

任何关于如何做到这一点的想法将不胜感激，或者如果有一种很好的方法来跟踪我一直错过的集群，请指出我。

【问题讨论】：

查看kmeans.ani() 包中的animation。它应该让您了解如何考虑为集群设置动画。
这听起来像是某种马尔可夫或半马尔可夫过程。您需要更明确地定义“随着时间的推移，当他们做不同的事情时，他们将根据他们的行为被分为不同的组”。这些“不同的组”是预先指定的吗？

标签： r cluster-analysis time-series

【解决方案1】：

我使用R 中的Mfuzz 对时间进程微阵列数据集进行聚类。 Mfuzz 使用“软聚类”。基本上，个人可以出现在多个组中。这是一个带有一些模拟数据的示例：

library(Mfuzz)

tps = 6;cases = 90
d = rnorm(tps*cases, 1)  ##Poisson distribution with mean 1
m = matrix(d, ncol=tps, nrow=cases)

##First 30 individuals have increasing trends
m[1:30,] = t(apply(m[1:30,], 1, cumsum))

##Next 30 have decreasing trends
##A bit hacky, sorry
m[31:60,] = t(apply(t(apply(m[31:60,], 1, cumsum)), 1, rev))

##Last 30 individuals have random numbers from a Po(1)

##Create an expressionSet object
tmp_expr = new('ExpressionSet', exprs=m)

##Specify c=3 clusters
cl = mfuzz(tmp_expr, c=3, m=1.25)
mfuzz.plot(tmp_expr,cl=cl, mfrow=c(2, 2))

这给出了：

【讨论】：