python 笔记:dtw包
Posted UQI-LIUWJ
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python 笔记:dtw包相关的知识,希望对你有一定的参考价值。
1 作用
用来辅助计算DTW的python模块
2 基本使用方法
2.1 数据
假设有两个序列
import numpy as np x = np.array([1,3,2,4,2]) y = np.array([0,3,4,2,2])
plt.plot(x,'green') plt.plot(y,'blue') plt.legend(['x','y']) plt.show()
我们要计算这两个序列之间的dtw
2.2 定义距离函数
我们首先要定义两个序列间任意两个点xi,yj之间的距离
manhattan_distance = lambda x, y: np.abs(x - y)
2.3 使用dtw
from dtw import dtw
d, cost_matrix, acc_cost_matrix, path = dtw(x, y, dist=manhattan_distance)
2.4 返回参数意义
d就是两个序列间dtw的值,算出来是2,和DTW _UQI-LIUWJ的博客 一致
cost_matrix就是 用前面的manhattan_distance 算出来的两个序列之间的两两距离
cost_matrix ''' array([[1., 2., 3., 1., 1.], [3., 0., 1., 1., 1.], [2., 1., 2., 0., 0.], [4., 1., 0., 2., 2.], [2., 1., 2., 0., 0.]]) '''
和之前手动算的一致
acc_cost_matrix 也就是 DTW _UQI-LIUWJ的博客 的dp矩阵
acc_cost_matrix ''' array([[ 1., 3., 6., 7., 8.], [ 4., 1., 2., 3., 4.], [ 6., 2., 3., 2., 2.], [10., 3., 2., 4., 4.], [12., 4., 4., 2., 2.]]) '''
和之前手动算的一致
path就是对应关系
path
#(array([0, 1, 2, 3, 4, 4]), array([0, 1, 1, 2, 3, 4]))
plt.imshow(cost_matrix.T,origin='lower',cmap='gray')
plt.plot(path[0],path[1])
plt.show()
每次沿着颜色最深的点走
以上是关于python 笔记:dtw包的主要内容,如果未能解决你的问题,请参考以下文章
机器学习笔记 soft-DTW(论文笔记 A differentiable loss function for time-series)
使用 dtwclust 进行动态时间规整距离 (DTW) 的时间序列聚类