Có bất kỳ thuật toán học tập không giám sát cho dữ liệu tuần tự thời gian?

Mỗi quan sát trong dữ liệu của tôi được thu thập với chênh lệch 0,1 giây. Tôi không gọi đó là chuỗi thời gian vì nó không có dấu ngày và thời gian. Trong các ví dụ về thuật toán phân cụm (tôi tìm thấy trực tuyến) và PCA, dữ liệu mẫu có 1 quan sát cho mỗi trường hợp và không được tính thời gian. Nhưng dữ liệu của tôi có hàng trăm quan sát được thu thập cứ sau 0,1 giây trên mỗi chiếc xe và có rất nhiều phương tiện.

Lưu ý: Tôi cũng đã hỏi câu hỏi này trên quora.

Những gì bạn có là một chuỗi các sự kiện theo thời gian, vì vậy đừng ngần ngại gọi nó là Chuỗi thời gian!

Phân cụm trong chuỗi thời gian có 2 ý nghĩa khác nhau:

1. Phân đoạn chuỗi thời gian tức là bạn muốn phân đoạn một chuỗi thời gian riêng lẻ thành các khoảng thời gian khác nhau theo sự tương đồng bên trong.
2. Phân cụm chuỗi thời gian tức là bạn có một số chuỗi thời gian và bạn muốn tìm các cụm khác nhau theo sự tương đồng giữa chúng.

Tôi giả sử bạn có nghĩa là cái thứ hai và đây là gợi ý của tôi:

Bạn có nhiều phương tiện và nhiều quan sát trên mỗi chiếc xe tức là bạn có nhiều phương tiện. Vì vậy, bạn có một số ma trận (mỗi phương tiện là một ma trận) và mỗi ma trận chứa N hàng (Nr của các quan sát) và cột T (điểm thời gian). Một đề xuất có thể là áp dụng PCA cho từng ma trận để giảm độ mờ và quan sát dữ liệu trong không gian PC và xem liệu có mối quan hệ có ý nghĩa giữa các quan sát khác nhau trong một ma trận (phương tiện) không . Sau đó, bạn có thể đặt từng quan sát cho tất cả các phương tiện lên nhau và tạo một ma trận và áp dụng PCA cho điều đó để thấy mối quan hệ của một quan sát duy nhất giữa các phương tiện khác nhau.

Nếu bạn không có giá trị âm, Factorization được khuyến nghị mạnh mẽ để giảm kích thước của dữ liệu dạng ma trận.

Một đề xuất khác có thể được đặt trong tất cả các ma trận chồng lên nhau và xây dựng một thang đo N x M x T trong đó N là số lượng phương tiện, M là số lượng quan sát và T là trình tự thời gian và áp dụng Phân tích kéo căng để xem quan hệ trên toàn cầu.

Một cách tiếp cận rất hay về Phân cụm chuỗi thời gian được trình bày trong bài viết này , nơi việc triển khai diễn ra lặng lẽ.

Tôi hy vọng nó đã giúp!

Chúc may mắn :)

BIÊN TẬP

Như bạn đã đề cập, bạn có nghĩa là Phân đoạn chuỗi thời gian, tôi thêm câu này vào câu trả lời.

Phân đoạn chuỗi thời gian là vấn đề phân cụm duy nhất có sự thật cơ bản để đánh giá. Trên thực tế bạn xem xét sự phân bố tạo đằng sau chuỗi thời gian và phân tích nó tôi khuyên này , này , này , này , này và này mà vấn đề của bạn được nghiên cứu một cách toàn diện. Đặc biệt là cái cuối cùng và luận án tiến sĩ.

Chúc may mắn!