k-means聚类后的时间序列求和

Question

我正在使用时间序列数据尝试 K 均值聚类中 K 的不同变体。 对于每个实验，我想总结每个集群标签的时间序列并对其进行预测。

例如： 如果我将时间序列聚类为 3 个聚类，我想对属于聚类 1 的所有时间序列（按列）和属于聚类 2 的所有时间序列求和，对于聚类 3 也是如此。之后我将对每个聚合的时间序列集群，但我不需要预测部分的帮助。

我正在考虑将集群标签添加到原始数据框中，然后使用 .loc 和循环来提取与相同集群相对应的时间序列。但是我想知道是否有更有效的方法？

import pandas as pd
from datetime import datetime
import numpy as np
from sklearn.cluster import KMeans

#create dataframe with time series
date_rng = pd.date_range(start='1/1/2018', end='1/08/2018', freq='H')
df = pd.DataFrame(date_rng, columns=['date'])
for i in range(20):1
    df['ts' + str(i)] = np.random.randint(0,100,size=(len(date_rng)))
df_pivot = df.pivot_table(columns = 'date', values = df.columns)

#cluster
K = range(1,10,2)
for k in K:
    km = KMeans(n_clusters=k)
    km = km.fit(df_pivot)

    print(km.labels_)

    #sum/aggregate all ts in each cluster column-wise


    #forecast next step for each cluster(dont need help with this part)

`

Answer 1

您可以访问每个集群的数据点，然后对它们的值求和。 像这样的：

labels = km.labels_
centroids = km.cluster_centers_
cluster_sums_dict = {} # cluster number: sum of elements
for i in range(k):
   # select 
   temp_cluster = df_pivot[np.where(labels==i)]
   cluster_sums_dict[i] = temp_cluster['ts'].sum() 

顺便说一句，您可以使用每个集群的质心来进行预测，而不是聚合一个 cluster_values 吗？