如何在 python 中使用 KMean 对时间序列进行聚类

Question

所以我有一个 [UID obj1 obj2..] x timestamp 形式的数据，我想使用 sklearn 的 kmeans 在 python 中聚类这些数据。我应该从哪里开始？

编辑：

所以基本上我尝试根据点击流数据对用户进行聚类，并根据使用模式对他们进行分类。

Answer 1

您可以根据原始数据并使用 RFM 分析等方法添加更多要素。RFM = 新近度、频率、货币

例如：

How often the user logged in?

The last time the user logged in?

Answer 2

您可以使用 Python 库 Retentioneering (github(，它允许您使用简单的命令根据点击流数据对用户进行聚类。您还可以指定对集群感兴趣的任何目标事件，并使用交互式图表浏览获得的图形。

data.rete.get_clusters(method='kmeans',
                   feature_type='tfidf',
                   n_clusters=8,
                   ngram_range=(1,2),
                   plot_type='cluster_bar',
                   targets=['payment_done','cart']);

用户聚类的结果

接下来，您可以使用交互式图探索获得的行为集群：

clus_0 = data.rete.filter_cluster(0)
clus_0.rete.plot_graph(thresh=0.1,
                   weight_col='user_id',
                   targets = {'lost':'red',
                              'payment_done':'green'})

图形可视化示例