多日集群成员关系统计

Question

假设，我有连续 10 天对应 5 个类别的每小时数据，创建为：

library(xts)
set.seed(123)
timestamp <- seq(as.POSIXct("2016-10-01"),as.POSIXct("2016-10-10 23:59:59"), by = "hour")
data <- data.frame(cat1 = rnorm(length(timestamp),150,5),
                         cat2 = rnorm(length(timestamp),130,3),
                         cat3 = rnorm(length(timestamp),150,5),
                         cat4 = rnorm(length(timestamp),100,8),
                         cat5 = rnorm(length(timestamp),200,15))
data_obj <- xts(data,timestamp) # creat time-series object
head(data_obj,2)

现在，我分别对每一天进行聚类，并使用简单的kmeans 来查看这些类别之间的行为：

daywise_data <- split.xts(data_obj,f="days",k=1) # split data day wise
clus_obj <- lapply(daywise_data, function(x){ # clustering day wise
  return (kmeans(t(x), 2))
})

一旦聚类结束，我用

可视化不同 10 天内的聚类关系

sapply(clus_obj,function(x) x$cluster) # clustering results

我发现结果为

通过目视检查，很明显cat1 和cat3 始终保持在同一个集群中。同样，cat4 和 cat5 在 10 个不同的日子里大多位于不同的集群中。

除了目视检查之外，是否有任何自动方法可以从此类聚类表中收集此类统计数据？

---

注意：这是一个虚拟示例。我有一个连续 100 天包含 80 个类别的数据框。像上面这样的自动摘要将减少工作量。

Answer 1

对计数集群评估度量显示了解决此问题的简单方法。

这些方法不是查看不稳定的对象-簇分配，而是查看两个对象是否在同一个簇中（称为“对”）。

因此，您可以检查这些对是否随时间变化很大。

由于 k-means 是随机的，您可能还希望对每个时间片运行多次，因为它们可能会返回不同的聚类！

然后你可以这样说，例如在 90% 的结果中，系列 1 与系列 2 位于同一集群中。等等