我有一个时间序列记录的温度数据。这是我的数据的样子：
数据的变化代表了我想在新传入数据时检测到的特定事件或类。因为我无法手动标记数据，所以我无法进行监督学习。所以，我想拿这个样本数据，然后做一些聚类来自动生成 5 个类（集群）。但我不确定这将如何应用于新的传入数据？
我对时间序列或数据分析很天真（所以不知道很多术语）。我可以在 python 中使用sklearn或statsmodels库，但不能使用LSTM或任何神经网络技术。我搜索了自动相关并绘制了我的数据的 ACF 图，如下所示：
我不知道这张图在说什么？并且不确定在我的场景中如何处理自动关联。我读过的另一件事是 HMM，它可能会有所帮助，但我对如何应用它或解决这个简单问题的路径知之甚少。
这就是我想做的：
数据只是从传感器获取的值，我想知道这些数据中有多少种不同的变化。
之后，我想弄清楚新传入的数据属于哪种变化。