聚类日期列表答案

【问题标题】：Clustering a list of dates聚类日期列表
【发布时间】：2014-05-07 07:13:11
【问题描述】：

我有一个日期列表，我想将它们分成 3 个集群。现在，我可以看到我应该查看 k-means 的提示，但到目前为止我发现的所有示例都与坐标有关，换句话说，是成对的列表项。

我想获取这个日期列表并将它们附加到三个单独的列表中，表明它们是在某个事件之前、期间还是之后。我没有时间参加这个活动，但这就是为什么我将日期/时间分成三组来猜测它的原因。

谁能帮忙举一个简单的例子，说明如何使用 numpy 或 scipy 之类的东西来做到这一点？

【问题讨论】：

为什么不直接对列表进行排序并选择两个时间点作为拆分？如果您正在考虑集群，您是否希望时间在您正在寻找的事件附近“聚集”？在那种情况下，为什么不把最密集的时间作为你的活动时间呢？
@chthonicdaemon 为这个问题喝彩。我怀疑时代应该被“捆绑”成三组。这些是手术中拍的照片，所以他们应该在开始之前拍一些照片，然后在过程中然后在之后，所以时间之间应该有两个自然的差距。我试图将这些时间分成三组。

【解决方案1】：

k-means 仅用于坐标。更准确地说：用于连续和线性值。

原因是 mean 函数。许多人忽略了 mean 对于 k-means 的作用（尽管它在名称中......）

在非数值数据上，你如何计算平均值？

存在一些二进制或分类数据的变体。例如，IIRC 有 k-modes，还有 k-medoids（PAM，围绕 medoids 分区）。

我不清楚你想要整体实现什么......你的数据似乎是一维的，所以你可能想看看这里关于一维数据的许多问题（因为数据可以排序，它可以比多维数据更有效地处理）。

一般来说，即使您将数据投影到 unix 时间（自 1.1.1970 以来的秒数），k-means 也可能只会为您返回平庸的结果。原因是它会尽量让三个区间的长度相同。

您有任何理由怀疑“之前”、“期间”和“之后”的持续时间相同吗？如果不是，请不要使用 k-means。

不过，您可能想看看 KDE；并绘制估计的密度。一旦你了解了密度对你的任务的作用，你就可以开始寻找合适的算法（例如，对你的密度估计求导，寻找最大的增加/减少，或者估计一个“平均”水平，然后寻找高于平均水平的最长间隔）。

【讨论】：

【解决方案2】：

以下是一些解决方法，它们可能不是最佳答案，但应该会有所帮助。

您可以将日期绘制为从开始日期（例如一周）转换的持续时间并将日期转换为从起点开始以分钟或小时为单位的时间数字表示。

这些都将沿 x 轴绘制，但 Kmeans 应该仍然可行，并且聚类在图表上仍然可见。

这里有更多numpy的例子：Python k-means algorithm

【讨论】：

我不认为我完全理解，但我已经更加充实了这个问题。从示例中我只能看到对的使用，但我不确定如何只使用单个列表项。似乎 k-means 仅用于坐标。
我想你会为 3 个质心或集群定义 K=3。您很可能必须想出一种将日期/时间转换为数字格式的方法，例如： double date = Convert.ToSingle(DateTime.Now.ToOADate()); [您的 y 轴可以是一天中的时间或条目数]，然后使用类似于此处的 Kmeans 算法：codeding.com/articles/k-means-algorithm 这有意义吗？我认为您需要使用 x,y 坐标作为 kmeans 的工作日期，因为它通常将点聚集在一个组中，并且需要进行大修才能以不同的方式操作。
对于 x 和 y：double x = Convert.ToSingle(DateTime.Now.ToOADate());双 y = 日期条目数
为@amanda fouts 的信息干杯。我稍微调整了你的建议，它符合我的目的。我只是将日期精确到秒，然后将它们加倍，就好像它们是坐标并使用了 k-means。然后，使用结果，我刚刚从代表我的假坐标的两个值列表中提取了第一个值，并用它来进一步处理。这有点作弊，但它有效，我会使用它。 K-means 似乎是我唯一可以使用的方法，它允许我指定我想要的集群数量。