时间序列DFT信号聚类

Question

我有很多时间序列数据集，为了降低维数，我想把它们转换成dft信号。在转换到dft之后，我希望使用k均值算法对生成的dft数据集进行聚类。

既然dft信号包含一个虚数，那么如何将它们聚在一起呢？

Answer 1

你可以简单地把想象的部分当作向量中的另一个分量来处理。在其他应用程序中，您会想忽略它！

但你将面临其他更严峻的挑战。

数据挖掘，特别是聚类，很少像appliyng函数a (dft)和函数b (k-means)那样简单，然后就会得到结果，万岁。对不起-这不是探索性数据挖掘的工作方式。

首先，对于许多时间序列来说，DFT将毫无帮助。在其他情况下，你将首先做适当的重采样，或分割，或消除无趣的影响，如季节性。即使DFT有效，它也可能强调诸如采样频率或某些干扰之类的伪影。

然后你会遇到一个主要的问题:K-均值是基于假设所有属性都有相同的重要性。而DFT是基于完全相反的想法:第一组分捕获了大部分信号，而后一组仅与之有很小的偏差(这正是将其用作降维的动机)。因此，基于这种直觉，你也许永远不应该在DFT系数上应用k均值。同时，数据挖掘一再表明，尽管应用程序是“统计上的胡说八道”，但仍然可以提供有用的结果.所以你可以试一试，但是要小心地验证你的结果，避免过于热情或乐观。

Answer 2

在FFT的帮助下，将数据集转换成dft信号。它有助于计算每个小数据集的DFT。