Кластеризация временных рядов в Python - PullRequest
Новая
       29

Кластеризация временных рядов в Python

2 голосов
/ 03 марта 2020

У меня есть один столбец, который соответствует элементу, а следующие столбцы соответствуют временным меткам. В каждом столбце, соответствующем меткам времени, у нас есть количество продаж каждого элемента. Это всего лишь пример моего dataframe. У меня есть сотни строк и сотни столбцов меток времени. 

d = {'item': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10], 
     '2019-07-25 17:00:00': [0, 2, 3, 5, 6, 7, 0, 1, 9 , 10],
     '2019-07-26 8:00:00': [0, 2, 3, 0, 3, 5, 0, 1, 9 , 10],
     '2019-07-26 16:00:00': [0, 1, 3, 5, 6, 7, 0, 2, 9 , 1],
    '2019-07-27 21:00:00': [0, 2, 3, 5, 3, 7, 0, 1, 4 , 10]}

df = pd.DataFrame(d)

df

После этого я создал набор данных поезда и теста и применил алгоритм kshape 

from tslearn.utils import to_time_series_dataset
from tslearn.preprocessing import TimeSeriesScalerMeanVariance
from sklearn.model_selection import train_test_split
from tslearn.clustering import KShape
from sklearn.metrics import adjusted_rand_score

data_train = df.iloc[:3,:]
data_test = df.iloc[:3,:]

data_joined = np.concatenate((data_train, data_test), axis = 0)

# separate by train and test data
data_train, data_test = train_test_split(data_joined, test_size = 0.2, random_state = 888)

# transform to timeseries
X_train = to_time_series_dataset(data_train[:, 1:])
X_test = to_time_series_dataset(data_test[:, 1:])


# y train and y test
y_train = data_train[:, 0].astype(np.int)
y_test = data_test[:, 0].astype(np.int)


# scale X_train and X_test
X_train = TimeSeriesScalerMeanVariance(mu=0, std = 1).fit_transform(X_train)
X_test = TimeSeriesScalerMeanVariance(mu=0, std = 1).fit_transform(X_test)

# applied the algorithm
ks = KShape(n_clusters = 3, max_iter = 100, n_init = 100, verbose = 0, random_state = 888)

# fitted the algorithm
ks.fit(X_train)
preds = ks.predict(X_train)

# get the adjusted_rand_score
adjusted_rand_score(y_train, preds)

Но скорректированный показатель ранда был 0 . Что я делаю не так?

...