分割与聚类

在控制系统工程中，可控性和可测性的思想，通过凯莱-汉密尔顿定理，是同一现象的两个方面。一个暗示另一个。

分割和聚类也是同一枚硬币的两个面。聚类成员的等概率线是分割边界。这是一个很深的话题，关于收敛性、空间性质和适当的基函数的讨论超出了这个答案的范围。

保留时间信息

如果我这样做，那么我会用集群成员来增加每个时间成员。我会同时使用集群索引和集群马氏距离。因此，如果您在每个瞬间进行一次测量，然后对数据进行聚类，您的增强时间序列在每个瞬间将具有三个值 - 聚类索引、马氏距离（有用）和测量本身。

算法

作为一种形式主义，我对时间序列做的不多，所以这一切都是亲力亲为的。当我有时间数据并且想要聚类时，我只是将时间测量用作另一个测量。

这意味着，如果您每瞬间进行一次测量，那么您将进行一次2d walk，其中时间严格增加。您可以丢弃时间并仅在测量中聚集。（这里是许多适当方法的链接：AutonLab）您可以查看两者。您可以转换为滞后坐标或时差坐标，并根据速度、加速度等进行思考。经典的醉汉步行是二维随机的，是一个扩散过程。能够设计您的数据作为这样的步行打开了这些分析工具的使用。（链接，链接，链接，链接) 扩散在许多学科中都有研究，包括遗传学、数学、材料科学、流行病学和计算机科学。

没有完美的“百事可乐”——没有能轻松解决所有问题的灵丹妙药。工具箱中有许多很好的“百事可乐”工具，其中一些在特定领域会胜过其他工具。K-means、高斯混合、径向基函数神经网络、支持向量机，甚至 Q-learning 查找——这些可能对你有用。

如果没有更清楚地描述数据的性质，以及您希望集群的内容，就很难说使用哪种工具。如果我不知道是钉子还是螺栓 - 我不能说“尝试使用扳手”或“尝试使用锤子”。我希望你能找到适合你的工具。

祝你好运。

分段和聚类有什么区别？

首先，让我们定义两个术语：

1. 将一些整体、一些对象分割成具有相似性和连续性的部分。请参阅Wikipedia，其中给出了分割（生物学）的示例，将身体计划划分为一系列重复的片段，还有Oxford。

2. 聚类 维基百科说，将一组对象分组的任务是使同一组（称为集群）中的对象（在某种意义上）彼此之间比其他组（集群）中的对象更相似（在某种意义上）。

这在某种意义上是密切相关的。如果我们将某个完整的 ABC 视为由许多原子组成，例如由客户组成的市场，或由身体部位组成的身体，我们可以说我们分割了 ABC，但将原子聚集在一起。但是，当整体中存在一些原子（空间）连续性的概念时，似乎更使用分割。

这种用法似乎有些混乱。这个网站上经常用到客户细分，应该是市场细分。客户没有被细分（希望如此！），他们是聚集在一起的。维基百科做对了。

与时间序列 结合使用 对于多个（并行）时间序列，我们可以将序列聚类为相似序列的组，而分割通常是指将单个序列划分为相似、连续的部分。看标签时间序列分割还有这个关于时间序列聚类的帖子列表。这表明与变化点-检测。参见维基百科。

这个网站上有很多帖子图像分割.

我认为，总的来说，不同之处在于聚类并不意味着任何关于群体的先验知识，而在许多情况下，细分意味着关于群体的先验知识，包括他们的数量和名称（通常用于商业，例如，客户细分） .