能源数据聚类、预聚类/均衡选项？

Question

我从 15 个位置获取能源数据。总共有 3 个特征（L1、L2、L3 的失真值），所以我每 10 分钟有 90 个值。

Date	Loc1_D_L1	Loc1_D_L2	Loc1_D_L3	Loc2_D_L1
2021-02-01 00:00:00	10,387	12,953	9,563	11,938
2021-02-01 00:10:00	....	....	....	....

我希望这个想法很清楚。

现在我想对它们进行聚类，但在时间方面，但在位置方面。如果可能的话，我想将它们分组。例如：位置 3,4,5,7 的行为相似 = 集群 1。位置 1,2,9 的行为相似 = 集群 2。我想推导出它是否可行，只是为了观察 certrain 位置的行为以降低其他位置的复杂性操作。

所以我确实转换了矩阵并应用了 KMeans 聚类

from sklearn.cluster import KMeans
from pandas import DataFrame

model = KMeans(n_clusters=5).fit(df)
pred = model.labels_
pred

Nc = range(1, 20)
kmeans = [KMeans(n_clusters=i) for i in Nc]
kmeans
score = [kmeans[i].fit(df).score(df) for i in range(len(kmeans))]
score
df['Cluster']=pred

我最终得到了一张桌子，看起来像这样：

Date	2021-02-01 00:00:00	2021-02-01 00:10:00	...	Cluster
Loc1_D_L1	10,387	12,953	...	1
Loc1_D_L2	12,963	10,xzy	...	1
Loc1_D_L3	10,387	12,953	...	2
Loc1_D_L1	12,963	10,xzy	...	1

问题是： 它现在聚集了每个功能，但不是每个位置。将位置 1 的 L1 与位置 3 的 L1 聚类并没有帮助。

如何解决这个问题？是否有“级别”功能，或者我可以通过引用第一列中的字符串的 if / else 语句来控制它吗？

还有其他想法、策略或疑问吗？

Answer 1

有什么想法吗？我现在的解决方案： 我试图增加集群的数量，以便不会出现所描述的问题。 6 个集群完成这项工作，但这不是一个干净的解决方案。

下一步是测量集群的“距离”。 什么可能是一个不错的工具来做到这一点？ “Kullback-Leibler 分歧”可能是一种选择。如果我理解正确，这是为加起来为 1 的概率而设计的，因此它可能不是正确的工具。 还有什么方法可以挑战或衡量我的集群的质量？绘图很好，但更多的是定性方法。