使用BrewPOTS项目中的PyPOTS库实现时间序列聚类分析
2025-06-19 14:32:12作者:管翌锬
概述
时间序列聚类是数据分析中的重要任务,能够帮助我们发现相似模式的数据组。本文将介绍如何使用BrewPOTS项目中的PyPOTS库实现时间序列聚类分析,重点演示CRLI和VaDER两种先进的聚类算法。
环境准备
在开始之前,我们需要确保已安装PyPOTS库及其依赖项。建议使用Python 3.7或更高版本,并安装CUDA以支持GPU加速。
数据集准备
我们将使用PhysioNet-2012数据集,这是一个医疗时间序列数据集,包含ICU患者的生理指标记录。
from pypots.data.generating import gene_physionet2012
from pypots.utils.random import set_random_seed
# 设置随机种子保证结果可复现
set_random_seed(16)
# 加载PhysioNet-2012数据集
physionet2012_dataset = gene_physionet2012(artificially_missing_rate=0)
数据集加载后会自动进行预处理,包括数据分割、归一化等步骤。我们可以检查数据集结构:
print(physionet2012_dataset.keys())
数据准备
将数据集分为训练集和测试集:
import numpy as np
# 合并训练集和验证集
dataset_for_training = {
"X": np.concatenate([physionet2012_dataset['train_X'], physionet2012_dataset['val_X']], axis=0),
"y": np.concatenate([physionet2012_dataset['train_y'], physionet2012_dataset['val_y']], axis=0),
}
# 测试集
dataset_for_testing = {
"X": physionet2012_dataset['test_X'],
"y": physionet2012_dataset['test_y'],
}
CRLI聚类模型
CRLI(Clustering Representation Learning via Imputation)是一种基于生成对抗网络(GAN)的聚类方法,能够同时处理缺失值和进行聚类。
模型初始化
from pypots.optim import Adam
from pypots.clustering import CRLI
crli = CRLI(
n_steps=physionet2012_dataset["n_steps"],
n_features=physionet2012_dataset["n_features"],
n_clusters=physionet2012_dataset["n_classes"],
n_generator_layers=2,
rnn_hidden_size=256,
rnn_cell_type="GRU",
decoder_fcn_output_dims=[256, 128],
batch_size=32,
epochs=10,
patience=3,
G_optimizer=Adam(lr=1e-3),
D_optimizer=Adam(lr=1e-3),
num_workers=0,
device=None,
saving_path="../tutorial_results/clustering/crli",
model_saving_strategy="best",
)
模型训练
crli.fit(train_set=dataset_for_training)
模型评估
# 预测
crli_results = crli.predict(dataset_for_testing)
crli_prediction = crli_results["clustering"]
# 评估指标
from pypots.utils.metrics import calc_rand_index, calc_cluster_purity
RI = calc_rand_index(crli_prediction, dataset_for_testing["y"])
CP = calc_cluster_purity(crli_prediction, dataset_for_testing["y"])
print("测试聚类指标:")
print(f"兰德指数(RI): {RI}")
print(f"聚类纯度(CP): {CP}")
VaDER聚类模型
VaDER(Variational Deep Embedding with Recurrence)是一种基于变分自编码器(VAE)的聚类方法,特别适合时间序列数据。
模型初始化
from pypots.clustering import VaDER
vader = VaDER(
n_steps=physionet2012_dataset["n_steps"],
n_features=physionet2012_dataset["n_features"],
n_clusters=physionet2012_dataset["n_classes"],
rnn_hidden_size=128,
d_mu_stddev=2,
pretrain_epochs=20,
batch_size=32,
epochs=10,
patience=3,
optimizer=Adam(lr=1e-3),
num_workers=0,
device=None,
saving_path="../tutorial_results/clustering/vader",
model_saving_strategy="best",
)
模型训练
vader.fit(train_set=dataset_for_training)
模型评估
# 预测
vader_results = vader.predict(dataset_for_testing)
vader_prediction = vader_results["clustering"]
# 评估指标
RI = calc_rand_index(vader_prediction, dataset_for_testing["y"])
CP = calc_cluster_purity(vader_prediction, dataset_for_testing["y"])
print("测试聚类指标:")
print(f"兰德指数(RI): {RI}")
print(f"聚类纯度(CP): {CP}")
结果分析与比较
从实验结果可以看出:
- VaDER模型在兰德指数(RI)上表现更好,说明它能更准确地识别数据点之间的相似性关系
- 两种模型在聚类纯度(CP)上表现相当
- CRLI模型训练过程中需要同时优化生成器和判别器,计算开销更大
- VaDER模型利用了变分推断,对数据分布有更好的建模能力
实际应用建议
- 对于医疗时间序列数据,VaDER通常是更好的选择
- 如果数据有大量缺失值,CRLI可能更有优势
- 可以尝试调整以下超参数优化性能:
- RNN隐藏层大小
- 学习率
- 批次大小
- 训练轮数
总结
本文通过BrewPOTS项目中的PyPOTS库演示了两种先进的时间序列聚类方法。PyPOTS提供了简洁易用的API,使得复杂的时间序列分析任务变得简单。读者可以根据自己的数据特点选择合适的算法,并通过调整超参数进一步优化性能。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0295- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
260

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
854
505

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
254
295

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
331
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
397
370

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
21
5