不同长度的时间序列数据的聚类

我有不同系列长度的时间序列数据。我想根据 DTW 距离进行聚类，但找不到与之相关的 ant 库。sklearn给出直接错误，而 tslearn kmeans 给出错误答案。

我的问题是如果我用零填充它就可以解决，但我不确定这在聚类时填充时间序列数据是否正确。

欢迎提出有关时间序列数据的其他聚类技术的建议。

max_length = 0

for i in train_1:
    if(len(i)>max_length):
        max_length = len(i)
print(max_length)

train_1 = sequence.pad_sequences(train_1, maxlen=max_length)
km3 = TimeSeriesKMeans(n_clusters = 4, metric="dtw",verbose = False,random_state = 0).fit(train_1)

print(km3.labels_)

您可以尝试定制 k-means（聚类算法）或其他算法。源代码可以在 sklearn 库中轻松获得。填充确实不是一个很好的选择，因为它会改变问题本身。您还可以使用 tslearn 和 pyclustering（用于最佳集群）作为替代方案，但请记住使用 DTW 距离而不是欧几里德距离。