使用 PCA 和 DBSCAN 對時間序列進行聚類
Posted: Wed Dec 04, 2024 7:25 am
在本文中，我們將探索時間序列資料的聚類，使用主成分分析 (PCA) 進行降維，並使用基於密度的雜訊應用空間聚類 (DBSCAN) 進行聚類。該技術可以識別時間序列資料中的模式，例如城市中的交通流量，而不需要標記資料。我們將使用 英特爾 Scikit-learn 擴展 來加速性能。
由於人類行為、機器或其他可測量來源，時間序列資料通常表現出重複模式。手動識別這些模式可能具有挑戰性。 PCA 和 DBSCAN 等無監督學習方法使我們能夠發現這些模式。
PCA 和 DBSCAN 都可以透過使用 Intel Extension for Scikit-learn 的修補方案來加速。 Scikit-learn（通常稱為 sklearn）是用於機器學習 (ML) 的 Python 模組。 Intel Extension for Scikit-learn 是Intel 的 AI 工具之一 ，可在單節點和多 希臘手機號碼列表 節點配置中無縫加速 Intel CPU 和 GPU 上的 scikit-learn 應用程式。它動態修補 scikit-learn 估計器，以將 ML 訓練和推理提高高達 100 倍，同時具有同等的數學精度（圖 2）。
根據配對圖，PC1 和 PC2 似乎很好地分離了聚類，因此我們將使用這些組件進行 DBSCAN 聚類。我們也可以得到 DBSCAN EPS 參數的估計值。這裡，選擇的值是 50，因為 PC1 與 PC0 圖表明，對於觀察到的簇來說，這是一個合理的分隔距離：
從圖 4 可以看出，DBSCAN 在尋找合理的彩色簇方面做得很好，並且與原始地面實況資料（圖 1）進行了很好的比較。在這種情況下，聚類完美地恢復了用於生成資料的底層模式。透過使用PCA進行降維和DBSCAN進行聚類，我們可以有效地識別和標記時間序列資料中的模式。這種方法允許發現資料中的底層結構，而不需要標記樣本。
我們產生合成波形資料來模擬時間序列模式。資料由三個不同的波形組成，每個波形都添加了雜訊以模擬現實世界的變化。我們將使用 Gael Varoquaux 創作的 scikit-learn 凝聚聚類範例（圖 1）。它可在 BSD 3-Clause 或 CC-0 授權下使用。
由於人類行為、機器或其他可測量來源，時間序列資料通常表現出重複模式。手動識別這些模式可能具有挑戰性。 PCA 和 DBSCAN 等無監督學習方法使我們能夠發現這些模式。
PCA 和 DBSCAN 都可以透過使用 Intel Extension for Scikit-learn 的修補方案來加速。 Scikit-learn（通常稱為 sklearn）是用於機器學習 (ML) 的 Python 模組。 Intel Extension for Scikit-learn 是Intel 的 AI 工具之一 ，可在單節點和多 希臘手機號碼列表 節點配置中無縫加速 Intel CPU 和 GPU 上的 scikit-learn 應用程式。它動態修補 scikit-learn 估計器，以將 ML 訓練和推理提高高達 100 倍，同時具有同等的數學精度（圖 2）。
根據配對圖，PC1 和 PC2 似乎很好地分離了聚類，因此我們將使用這些組件進行 DBSCAN 聚類。我們也可以得到 DBSCAN EPS 參數的估計值。這裡，選擇的值是 50，因為 PC1 與 PC0 圖表明，對於觀察到的簇來說，這是一個合理的分隔距離：
從圖 4 可以看出，DBSCAN 在尋找合理的彩色簇方面做得很好，並且與原始地面實況資料（圖 1）進行了很好的比較。在這種情況下，聚類完美地恢復了用於生成資料的底層模式。透過使用PCA進行降維和DBSCAN進行聚類，我們可以有效地識別和標記時間序列資料中的模式。這種方法允許發現資料中的底層結構，而不需要標記樣本。
我們產生合成波形資料來模擬時間序列模式。資料由三個不同的波形組成，每個波形都添加了雜訊以模擬現實世界的變化。我們將使用 Gael Varoquaux 創作的 scikit-learn 凝聚聚類範例（圖 1）。它可在 BSD 3-Clause 或 CC-0 授權下使用。