前言 最近受一篇2015年文章《时间序列用户生命周期的聚类方法》的启发，阅读了很多时间序列聚类相关的方法，用消费行为的时间序列尝试去对用户行为进行分群，虽然现阶段的效果不如预期，就当总结希望后续能有所交流~ 基于日消费总额的时间序列聚类 为了更好地保留用户消费行为时间序列特征（包含全局特征&局部特征），采用基于时间序列形状的方式以计算序列相似度进行用户行为区分，其中尝试了两个方向： 一、方

更多资料获取 📚 个人网站：ipengtao.com 大家好，今天为大家分享一个实用的 Python 库 - tslearn。 Github地址：https://github.com/tslearn-team/tslearn 在数据科学领域，时间序列分析是一项至关重要的任务，涵盖了诸多领域，如金融、气象、生物学、工业生产等。Python 中的 tslearn 库为时间序列分析

文章目录 DTW是干什么的？代码结果说明及分析比较Reference DTW是干什么的？ 动态时间规整算法，故名思议，就是把两个代表同一个类型的事物的不同长度序列进行时间上的“对齐”。比如DTW最常用的地方，语音识别中，同一个字母，由不同人发音，长短肯定不一样，把声音记录下来以后，它的信号肯定是很相似的，只是在时间上不太对整齐而已。所以我们需要用一个函数拉长或者缩短其中一个信号，