时间序列聚类、分类

@创建于：2022.05.11
@修改于：2022.05.11

1、时序聚类

聚类分析（cluster analysis）简称聚类（clustering），它是数据挖掘领域最重要的研究分支之一，也是最为常见和最有潜力的发展方向之一。聚类分析是根据事物自身的特性对被聚类对象进行类别划分的统计分析方法，其目的是根据某种相似度度量对数据集进行划分，将没有类别的数据样本划分成若干个不同的子集，这样的一个子集称为簇（cluster)，聚类使得同一个簇中的数据对象彼此相似，不同簇中的数据对象彼此不同，即通常所说的“物以类聚”。

时间序列聚类相关知识的总结与梳理
相似性度量：.闵可夫斯基距离、马氏距离、DTW距离、参数距离；
聚类算法：基于距离的机器学习聚类算法（KMeans）、基于相似性的机器学习聚类算法（层次聚类）

python分别使用dtw、fastdtw、tslearn、dtaidistance四个库计算dtw距离，哪个计算速度最快？

2、时序分类

时间序列分类是一项在多个领域均得到应用的通用任务，目的是利用标记好的训练数据，确定一个时间序列属于预先定义的哪一个类别。时间序列分类不同于常规分类，因为时序数据是具有顺序属性的序列。如下图所示的心电图信号样本，它表示一个心跳活动。根据信号特征的不同可以加以区分，左边表示正常心跳，而右边表示心肌梗死。

多场景下时序序列分类算法基础知识全面总结

时间序列分类总结（time-series classification）

时序分类系列（0）：时序分类问题-数据集

• 数据来源：UCR Time Series Classification Archive

时序分类系列（1）：基于DTW的时序分类

时序分类系列（2）：基于shapelets的时序分类

时序分类系列（3）：基于DeepLearning的时间序列分类方法

• 1：mlp（多层感知机）
• 2：FCN
• 3：ResNet github 代码参考

Deep Learning for Time Series Classification: InceptionTime