使用 dtwclust 包评估时间序列聚类中的最佳聚类数“k”

Question

我使用以下 tsclust 语句对数据进行聚类

SURFSKINTEMP_CLUST <- tsclust(SURFSKINTEMP, k = 10L:20L,
                       distance = "dtw_basic", centroid = "dba",
                       trace = TRUE, seed = 938,
                       norm = "L2", window.size = 2L,
                       args = tsclust_args(cent = list(trace = TRUE)))

SURFSKINTEMP很大，

str(SURFSKINTEMP)
List of 327239
 $ V1     : num [1:7] 0.13 0.631 -0.178 0.731 0.86 ...
 $ V2     : num [1:6] 0.117 -0.693 -0.911 -0.911 -0.781 ...
 $ V3     : num [1:7] 0.117 -0.693 -0.911 -0.911 -0.781 ...
 $ V4     : num [1:6] -0.693 -0.911 -0.911 -0.781 -0.604 ...

然后，我想用cvi评估最佳簇数“k”

names(SURFSKINTEMP_CLUST) <- paste0("k_",10L:20L)
sapply(SURFSKINTEMP_CLUST, cvi, type = "internal")

但是，有一个错误

> sapply(SURFSKINTEMP_CLUST, cvi, type = "internal")
Error: cannot allocate vector of size 797.8 Gb

在我的案例中如何评估最佳簇数“k”？

Answer 1

该错误消息表明您正在尝试搅动比可用资源支持的更多数据。在这种情况下，请尝试对较小的样本进行分析。重复分析多次。

reps = 1000
samp_size = 10000
result <- c()
for(j in 1:reps){
    sample = SURFSKINTEMP[sample(seq_along(SURFSKINTEMP, samp_size)),]
    sample_clust <- tsclust(SURFSKINTEMP, k = 10L:20L,
                   distance = "dtw_basic", centroid = "dba",
                   trace = TRUE, seed = 938,
                   norm = "L2", window.size = 2L,
                   args = tsclust_args(cent = list(trace = TRUE)))

    result[j] <- sapply(sample_clust, cvi, type = "internal")

}

提供您可以检查的结果列表。

Answer 2

指定 type = "internal" 将尝试计算 7 个指数：Silhouette、Dunn、COP、DB、DB*、CH 和 SF。如 cvi 的文档中所述，前 3 个将尝试计算整个交叉距离矩阵，在您的情况下，它是一个 327,239 x 327,239 矩阵；您将很难找到一台可以分配它的计算机，并且需要长时间来计算。

由于您对质心使用 DBA，因此您可以查看 DB 或 DB* 是否对您的应用程序有意义

sapply(SURFSKINTEMP_CLUST, cvi, type = c("DB", "DBstar"))

您还可以查看比较简单的 elbow method，请记住您可以使用以下方法计算误差平方和 (SSE)（请参阅 TSClusters-class 的文档）：

sapply(SURFSKINTEMP_CLUST, function(cl) { sum(cl@cldist ^ 2) })

使用 dtwclust 包评估时间序列聚类中的最佳聚类数“k”

Evaluate the optimum number of clusters “k” in time-series clustering using dtwclust package

r

cluster-analysis

time-series

tsclust