มีอัลกอริทึมการเรียนรู้ที่ไม่มีผู้ดูแลสำหรับข้อมูลที่มีการเรียงลำดับเวลาหรือไม่?

การสังเกตในข้อมูลของฉันแต่ละครั้งถูกรวบรวมด้วยความแตกต่าง 0.1 วินาที ฉันไม่ได้เรียกมันว่าอนุกรมเวลาเพราะมันไม่มีวันที่และเวลา ในตัวอย่างของอัลกอริทึมการจัดกลุ่ม (ฉันพบออนไลน์) และ PCA ข้อมูลตัวอย่างมีการสังเกต 1 ครั้งต่อเคสและไม่ได้กำหนดเวลา แต่ข้อมูลของฉันมีการสำรวจนับร้อยที่รวบรวมทุก ๆ 0.1 วินาทีต่อคันและมียานพาหนะมากมาย

หมายเหตุ: ฉันได้ถามคำถามนี้กับโควต้าด้วยเช่นกัน

สิ่งที่คุณมีคือลำดับเหตุการณ์ตามเวลาดังนั้นอย่าลังเลที่จะเรียกมันว่าอนุกรมเวลา!

การจัดกลุ่มในอนุกรมเวลามีความหมายต่างกัน 2 ประการ:

1. การแบ่งส่วนของอนุกรมเวลาคือคุณต้องการแบ่งกลุ่มอนุกรมเวลาเป็นช่วงเวลาที่แตกต่างกันตามความคล้ายคลึงภายใน
2. การจัดกลุ่มอนุกรมเวลาคือคุณมีอนุกรมเวลาหลายชุดและคุณต้องการค้นหากลุ่มที่แตกต่างกันตามความคล้ายคลึงกันระหว่างกลุ่ม

ฉันถือว่าคุณหมายถึงคนที่สองและนี่คือคำแนะนำของฉัน:

คุณมียานพาหนะมากมายและการสังเกตต่อยานพาหนะเช่นคุณมียานพาหนะมากมาย ดังนั้นคุณมีเมทริกซ์หลายตัว (ยานพาหนะแต่ละตัวเป็นเมทริกซ์) และเมทริกซ์แต่ละตัวมีแถวNแถว (Nr ของการสังเกต) และคอลัมน์T (จุดเวลา) ข้อเสนอแนะหนึ่งข้ออาจใช้ PCA กับแต่ละเมทริกซ์เพื่อลดความสลัวและสังเกตข้อมูลในพื้นที่พีซีและดูว่ามีความสัมพันธ์ที่มีความหมายระหว่างการสังเกตที่แตกต่างกันภายในเมทริกซ์ (ยานพาหนะ)หรือไม่ จากนั้นคุณสามารถทำการสังเกตแต่ละครั้งสำหรับยานเกราะทุกคันและสร้างเมทริกซ์และใช้ PCA กับสิ่งนั้นเพื่อดูความสัมพันธ์ของการสังเกตเพียงครั้งเดียวระหว่างยานพาหนะต่าง ๆ

หากคุณไม่ได้มีค่าลบเมทริกซ์ตัวประกอบขอแนะนำสำหรับการลดขนาดของข้อมูลในแบบฟอร์มแมทริกซ์

ข้อเสนอแนะอีกข้อหนึ่งสามารถใส่เมทริกซ์ทั้งหมดไว้ด้านบนของกันและกันและสร้างเมตริกซ์N x M x Tโดยที่NคือจำนวนยานพาหนะMคือจำนวนการสังเกตและTเป็นลำดับเวลาและใช้Tensor Decompositionเพื่อดูความสัมพันธ์ทั่วโลก

แนวทางที่ดีในการจัดกลุ่มอนุกรมเวลาแสดงในบทความนี้ซึ่งการนำไปปฏิบัตินั้นเงียบไปข้างหน้า

ฉันหวังว่ามันจะช่วย!

โชคดี :)

แก้ไข

ดังที่คุณพูดถึงคุณหมายถึงการแบ่งส่วนอนุกรมเวลาฉันเพิ่มลงในคำตอบ

การแบ่งส่วนอนุกรมเวลาเป็นปัญหาการจัดกลุ่มเดียวที่มีความจริงในการประเมิน อันที่จริงคุณพิจารณาการกระจายการสร้างที่อยู่เบื้องหลังชุดเวลาและวิเคราะห์มันผมขอแนะนำนี้ , นี้ , นี้ , นี้ , นี้และนี้ว่าปัญหาของคุณได้รับการศึกษาอย่างทั่วถึง พิเศษล่าสุดและวิทยานิพนธ์ระดับปริญญาเอก

โชคดี!