R中的圆柱形聚类 - 将时间戳与其他数据进行聚类。

Question

我正在学习R语言，需要对带有时间戳字段的数字数据进行聚类。其中一个参数是时间，由于数据严格依赖于白天和黑夜，我想考虑到这些数据的“球形”特性。

从手册中了解到，如skmeans等库无法处理“圆柱形”数据，只能处理“球形”数据（即所有组件都在极坐标系中）。

针对这个问题，我的解决方案是：将小时列（0-24）分解为两个不同的列X和Y，并将时间表达为极坐标，例如x^2+y^2=1。这样，使用欧几里得距离的k-means应该可以正确解释数据。

我的想法正确吗？

- asdf

---

你解决了吗？它起作用了吗？ - wolfsatthedoor

是的，对于我的需求来说还不错 :) - asdf

Answer 1

这里是小时（包括小时和部分小时）到分钟的映射。我们尝试使用kmeans，在至少这个测试中，它似乎有效。

h <- c(22, 23, 0, 1, 2, 10, 11, 12)
ha <- 2*pi*h/24
m <- cbind(x = sin(ha), y = cos(ha))

kmeans(m, 2)$cluster # compute cluster assignments via kmeans
## [1] 2 2 2 2 2 1 1 1

- G. Grothendieck

---

是的，谢谢！我知道如何做，但我不确定这是否是一个好主意。但我想这是我能得到的最好的结果。（而且它正在运行，所以我有了这个，这很好） - asdf

那么现在每个一维点都必须用两个维度来表示了吗？如果我们已经有两个循环时间维度，比如一周中的某一天和一天中的某个小时，那该怎么办？ - wolfsatthedoor

Answer 2

k-means应该使用平方欧几里得距离。

但是，将数据投影到有意义的欧几里得空间中是避免这种问题的简单方法。

然而，请注意，您的平均值将不再位于圆柱体上。在许多情况下，您可以将平均值缩放到所需的圆柱体上。但如果成为0，则无法进行有意义的重新缩放。

另一个选择是核k-means。由于在数据转换后，您所需的距离是欧几里得距离，因此您也可以对这种转换进行“核化”，并使用核k-means。但是，在您的特定情况下，转换数据可能实际上更快。当使用更复杂的转换时（例如，转换到无限维向量空间），它很可能只会得到回报。

- Has QUIT--Anony-Mousse