使用 Python 实现时序聚类算法
1. 引言
时序聚类算法是对时间序列数据进行分组的有效方法。在数据科学和机器学习领域，能够识别出具有相似模式的时间序列对业务决策是至关重要的。本文将引导您实现时序聚类算法的流程和代码。
2. 流程概述
以下是进行时序聚类的步骤：
| 步骤 | 描述 |
|---|---|
| 步骤 1 | 导入必要的库 |
| 步骤 2 | 加载和预处理数据 |
| 步骤 3 | 特征工程（提取时间特征） |
| 步骤 4 | 选择聚类算法（如 KMeans） |
| 步骤 5 | 聚类并可视化结果 |
| 步骤 6 | 分析和总结 |
3. 实现步骤
步骤 1: 导入必要的库
import pandas as pd # 用于数据操作
import numpy as np # 用于数值计算
import matplotlib.pyplot as plt # 用于数据可视化
from sklearn.cluster import KMeans # KMeans 聚类算法
from tslearn.clustering import TimeSeriesKMeans # 时间序列聚类
from tslearn.preprocessing import TimeSeriesScalerMinMax # 时间序列数据归一化
上述代码导入必要的 Python 库，以便后续进行数据处理和聚类。
步骤 2: 加载和预处理数据
# 读取时间序列数据
data = pd.read_csv('time_series_data.csv') # 使用 pandas 读取 CSV 文件
print(data.head()) # 打印前五行数据
这里，我们使用 Pandas 从 CSV 文件中加载时间序列数据。根据数据集的格式，路径可能需要更改。
步骤 3: 特征工程（提取时间特征）
有些时间序列数据可能需要进行归一化，以提高聚类效果。
# 时间序列数据归一化
scaler = TimeSeriesScalerMinMax()
data_scaled = scaler.fit_transform(data.values.reshape(-1, data.shape[1]))
# 将归一化后的数据转换为 DataFrame 格式
data_scaled = pd.DataFrame(data_scaled.reshape(data.shape))
时间序列归一化将每个时间序列缩放到 [0, 1] 的范围，以消除绝对值的影响。
步骤 4: 选择聚类算法（如 KMeans）
# 设定聚类数目
num_clusters = 3
# 使用 KMeans 进行聚类
kmeans = TimeSeriesKMeans(n_clusters=num_clusters, metric="euclidean", max_iter=10)
labels = kmeans.fit_predict(data_scaled.values)
我们选择 KMeans 算法进行时序聚类，设定聚类数目为 3，并使用欧几里得距离作为度量。
步骤 5: 聚类并可视化结果
# 可视化聚类结果
for yi in range(num_clusters):
plt.subplot(num_clusters, 1, yi + 1)
for xx in data_scaled.values[labels == yi]:
plt.plot(xx, "k-", alpha=0.3)
plt.plot(kmeans.cluster_centers_[yi], "r-")
plt.title(f'Cluster {yi + 1}')
plt.tight_layout()
plt.show()
这段代码将每个聚类的时间序列和对应的聚类中心可视化，并将其以子图的形式展示。
步骤 6: 分析和总结
在完成聚类后，我们可以根据聚类的结果进行分析。可以进一步使用饼状图显示每个聚类的比例。
# 聚类结果统计
labels_count = np.bincount(labels)
# 绘制饼状图
plt.figure()
plt.pie(labels_count, labels=[f'Cluster {i + 1}' for i in range(num_clusters)], autopct='%1.1f%%')
plt.title('Cluster Distribution')
plt.show()
pie
title Cluster Distribution
"Cluster 1": 40
"Cluster 2": 35
"Cluster 3": 25
通过饼状图，我们可以直观地看到每个聚类的分布情况。
4. 总结
本文详细介绍了实现时序聚类算法的整个流程，从数据加载、预处理、特征工程、聚类、可视化到最终分析，逐步展现了如何在 Python 中完成这项任务。希望本教程能够帮助刚入行的小白更好地理解并应用时序聚类算法。对于未来的学习，您可以根据业务的具体需求，尝试其他的聚类算法或更复杂的数据预处理技术。
如果有任何问题或进一步的疑问，欢迎随时讨论！
