是否有一种能够根据变化率(或数量)对时间序列数据集进行聚类的算法？

Question

我正在学习机器学习，从科学工具包-学习和阅读它的文档。

基于欧氏距离的聚类聚类，并以不同的方法(如高斯分布、均值偏移等)对它们进行滤波。

但是，没有一种基于变异率的聚类算法对样本进行聚类。

EX: below every items has there sold numbers of everyday.

Item,D1,D2
A,1,5
B,10,50
C,4,70

The variation ratio below:
A:500%
B:500%
C:1750%

所以A和B是同一个群，C不是。

是否有任何聚类算法可以根据变化率(或数量)对时间序列数据集进行聚类？

Answer 1

1. 提取变异率等特征
2. 聚类提取的特征，而不是原始数据。