金融データ・マイニング/時系列クラスタリングの変更点

時系列クラスタリングに関するメモ


*サーベイ論文 [#s5e34daf]
-[[Holder C, Middlehurst M, and Bagnall A (2023). ''A review and evaluation of elastic distance functions for time series clustering''. Knowledge and Information Systems. doi: 10.1007/s10115-023-01952-0>https://doi.org/10.1007/s10115-023-01952-0]]
--時系列の距離に基づく手法と時系列から特徴を抽出する手法を比較
-[[Javed A, Lee BS, and Rizzo DM (2020). ''A benchmark study on time series clustering''. Machine Learning with Applications 1:100001. https://doi.org/10.1016/j.mlwa.2020.100001>https://doi.org/10.1016/j.mlwa.2020.100001]]
--UCRのデータセットをベンチマークとして用いて時系列クラスタリングの手法を評価した論文
-[[Aghabozorgi S, Shirkhorshidi AS, and Wah TY (2015). ''Time-series clustering: A decade review''. Information Systems 53:16–38. https://doi.org/10.1016/j.is.2015.04.007>https://doi.org/10.1016/j.is.2015.04.007]]
--時系列クラスタリングのサーベイ論文


*論文 [#y044f170]
**英語 [#q203df29]
-[[Paparrizos J and Gravano L (2017). ''Fast and accurate time-series clustering''. ACM Transactions on Database Systems 42(2):8, 49 pages. https://doi.org/10.1145/3044711>https://doi.org/10.1145/3044711]] ([[PDF>https://www.paparrizos.org/papers/PaparrizosTODS17.pdf]])
--k-Shapeの拡張版
-[[Paparrizos J and Gravano L (2015). ''k-Shape: Efficient and accurate clustering of time series''. SIGMOD 2015:1855–1870. https://doi.org/10.1145/2723372.2737793>https://doi.org/10.1145/2723372.2737793]]
--k-Shape
-[[Petitjean F, Ketterlin A, and Gançarski P (2011). ''A global averaging method for dynamic time warping, with applications to clustering''. Pattern Recognition 44(3):678–693. https://doi.org/10.1016/j.patcog.2010.09.013>https://doi.org/10.1016/j.patcog.2010.09.013]]
--DBA k-means
-[[Dhillon IS, Guan Y, and Kulis B (2004). ''Kernel k-means: spectral clustering and normalized cuts''. KDD 2004: 551–556. https://doi.org/10.1145/1014052.1014118>https://doi.org/10.1145/1014052.1014118]] ([[PDF>https://www.cs.utexas.edu/users/inderjit/public_papers/kdd_spectral_kernelkmeans.pdf]])
--Kernel k-means


**日本語 [#j853dadc]
-[[津田 暢彦, 濵砂 幸裕, 遠藤 靖典 (2021). ''時系列データに対する3種類のサイズコントロールクラスタリング''. 知能と情報 33(2):608–616. https://doi.org/10.3156/jsoft.33.2_608>https://www.jstage.jst.go.jp/article/jsoft/33/2/33_608/_article/-char/ja]]
-[[中本 和岐, 山田 悠, 鈴木 英之進 (2003). ''動的時間伸縮法に基づく平均時系列生成による時系列データの高速クラスタリング''. 人工知能学会論文誌 18(3):144–152. https://doi.org/10.1527/tjsai.18.144>https://www.jstage.jst.go.jp/article/tjsai/18/3/18_3_144/_article/-char/ja/]]
--動的時間伸縮法 = DTW (Dynamic Time Warping)

*コード [#td3737df]
-[[tslearn>https://tslearn.readthedocs.io/en/stable/]]
--Pythonの時系列解析ライブラリ
--[[KearnelKMeans>https://tslearn.readthedocs.io/en/stable/gen_modules/clustering/tslearn.clustering.KernelKMeans.html]]
--[[KShape>https://tslearn.readthedocs.io/en/stable/gen_modules/clustering/tslearn.clustering.KShape.html]]
--[[TimeSeriesKMeans>https://tslearn.readthedocs.io/en/stable/gen_modules/clustering/tslearn.clustering.TimeSeriesKMeans.html]]: Euclidean k-means, DBA k-means, Soft-DTW k-means
--[[Tavenard R, Faouzi J, Vandewiele G, et al. (2020). ''Tslearn: A machine learning toolkit for time series data''. JMLR 21(118):1–6.>https://jmlr.org/papers/v21/20-091.html]]
--使える手法
---[[KearnelKMeans>https://tslearn.readthedocs.io/en/stable/gen_modules/clustering/tslearn.clustering.KernelKMeans.html]]
---[[KShape>https://tslearn.readthedocs.io/en/stable/gen_modules/clustering/tslearn.clustering.KShape.html]]
---[[TimeSeriesKMeans>https://tslearn.readthedocs.io/en/stable/gen_modules/clustering/tslearn.clustering.TimeSeriesKMeans.html]]: Euclidean k-means, DBA k-means, Soft-DTW k-means
--引用するとき
---[[Tavenard R, Faouzi J, Vandewiele G, et al. (2020). ''Tslearn: A machine learning toolkit for time series data''. JMLR 21(118):1–6.>https://jmlr.org/papers/v21/20-091.html]]
-私がColaboratoryで書いたサンプル・コード
--[[tslearnを用いた時系列クラスタリング>https://colab.research.google.com/drive/1xkD0oALulW6JFo5guNrHK1IiHgvShvkc?usp=sharing]]
--[[tslearnを用いた多変量時系列クラスタリング>https://colab.research.google.com/drive/1O6vZKK0KLNQrGPvxSSWl95nIn-X0R8ID?usp=sharing]]