时间序列聚类#

sktime.clustering 模块包含用于时间序列聚类的算法。

sktime中的所有聚类器可以使用sktime.registry.all_estimators工具列出，通过使用estimator_types="clusterer"，并可选择地按标签进行过滤。有效标签可以使用sktime.registry.all_tags列出。

在评估器搜索页面上还可以找到一个完整的、基于标签搜索的表格（在“评估器类型”下拉菜单中选择“clustering”）。

基于划分的方法#

TimeSeriesKMeans([n_clusters, ...])

时间序列 K-均值实现。

TimeSeriesKMeansTslearn([n_clusters, ...])

来自 tslearn 的时间序列数据 K-均值聚类。

TimeSeriesKMedoids([n_clusters, ...])

时间序列 K-中心点实现。

TimeSeriesKShapes([n_clusters, ...])

来自 tslearn 的时间序列 K-形状聚类。

谱聚类和核聚类#

TimeSeriesKernelKMeans([n_clusters, kernel, ...])

来自 tslearn 的核 k-均值聚类。

基于密度的方法#

TimeSeriesDBSCAN(distance[, eps, ...])

用于时间序列距离的 DBSCAN。

基于图或网络的方法#

TimeSeriesKvisibility([n_clusters, init, n_init])

用于时间序列聚类的 Kvisibility。

时空聚类#

时空聚类器假设时间序列是或包含空间位置的观测值。

STDBSCAN([eps1, eps2, min_samples, metric, ...])

时空 DBSCAN 聚类。

基础类#

BaseClusterer([n_clusters])

时间序列聚类器的抽象基类。

BaseTimeSeriesLloyds([n_clusters, ...])

实现了时间序列 Lloyds 算法的抽象类。