聚类日期列表

Posted 2023-03-12

【中文标题】聚类日期列表

【英文标题】：Clustering a list of dates

【发布时间】：2014-05-07 07:13:11

【问题描述】：

我有一个日期列表，我想将它们分成 3 个集群。现在，我可以看到我应该查看 k-means 的提示，但到目前为止我发现的所有示例都与坐标有关，换句话说，是成对的列表项。

我想获取这个日期列表并将它们附加到三个单独的列表中，表明它们是在某个事件之前、期间还是之后。我没有时间参加这个活动，但这就是为什么我将日期/时间分成三组来猜测它的原因。

谁能帮忙举一个简单的例子，说明如何使用 numpy 或 scipy 之类的东西来做到这一点？

【问题讨论】：

为什么不直接对列表进行排序并选择两个时间点作为拆分？如果您正在考虑集群，您是否希望时间在您正在寻找的事件附近“聚集”？在那种情况下，为什么不把最密集的时间作为你的活动时间呢？

@chthonicdaemon 为这个问题喝彩。我怀疑时代应该被“捆绑”成三组。这些是手术中拍的照片，所以他们应该在开始之前拍一些照片，然后在过程中然后在之后，所以时间之间应该有两个自然的差距。我试图将这些时间分成三组。

【参考方案1】：

k-means 仅用于坐标。更准确地说：用于连续和线性值。

原因是 mean 函数。许多人忽略了 mean 对于 k-means 的作用（尽管它在名称中......）

在非数值数据上，你如何计算平均值？

存在一些二进制或分类数据的变体。例如，IIRC 有 k-modes，还有 k-medoids（PAM，围绕 medoids 分区）。

我不清楚你想要整体实现什么......你的数据似乎是一维的，所以你可能想看看这里关于一维数据的许多问题（因为数据可以排序，它可以比多维数据更有效地处理）。

一般来说，即使您将数据投影到 unix 时间（自 1.1.1970 以来的秒数），k-means 也可能只会为您返回平庸的结果。原因是它会尽量让三个区间的长度相同。

您有任何理由怀疑“之前”、“期间”和“之后”的持续时间相同吗？如果不是，请不要使用 k-means。

不过，您可能想看看 KDE；并绘制估计的密度。一旦你了解了密度对你的任务的作用，你就可以开始寻找合适的算法（例如，对你的密度估计求导，寻找最大的增加/减少，或者估计一个“平均”水平，然后寻找高于平均水平的最长间隔）。

【参考方案2】：

以下是一些解决方法，它们可能不是最佳答案，但应该会有所帮助。

您可以将日期绘制为从开始日期（例如一周）转换的持续时间 并将日期转换为从起点开始以分钟或小时为单位的时间数字表示。

这些都将沿 x 轴绘制，但 Kmeans 应该仍然可行，并且聚类在图表上仍然可见。

这里有更多numpy的例子：Python k-means algorithm

【讨论】：

我不认为我完全理解，但我已经更加充实了这个问题。从示例中我只能看到对的使用，但我不确定如何只使用单个列表项。似乎 k-means 仅用于坐标。

我想你会为 3 个质心或集群定义 K=3。您很可能必须想出一种将日期/时间转换为数字格式的方法，例如： double date = Convert.ToSingle(DateTime.Now.ToOADate()); [您的 y 轴可以是一天中的时间或条目数]，然后使用类似于此处的 Kmeans 算法：codeding.com/articles/k-means-algorithm 这有意义吗？我认为您需要使用 x,y 坐标作为 kmeans 的工作日期，因为它通常将点聚集在一个组中，并且需要进行大修才能以不同的方式操作。

对于 x 和 y：double x = Convert.ToSingle(DateTime.Now.ToOADate());双 y = 日期条目数

为@amanda fouts 的信息干杯。我稍微调整了你的建议，它符合我的目的。我只是将日期精确到秒，然后将它们加倍，就好像它们是坐标并使用了 k-means。然后，使用结果，我刚刚从代表我的假坐标的两个值列表中提取了第一个值，并用它来进一步处理。这有点作弊，但它有效，我会使用它。 K-means 似乎是我唯一可以使用的方法，它允许我指定我想要的集群数量。