US
вот эти две задачи
Size: a a a
2020 December 06
DV
У Томского политеха вроде все ясно написано. Все по пунктам про интерполяцию и апроксимацию, с примерами.
DV
Либо я неверно понял вопрос)
GB
Товарищи у меня вопрос. Вводные: Есть много временных рядов с виду похожих друг на друга. Я хочу найти среди них действительно похожие. Какой параметр статистический нужно взять чтобы доказать количественно похожесть временных рядов друг на друга. Корректно ли считать корреляции между ними? Либо есть какие-то другие статистические инструмены?
i
Что значит с виду похожих
GB
Что значит с виду похожих
Визуально, теперь надо проверить правда похожи или нет.
i
Задайте метрику похожести
J
GB
Задайте метрику похожести
Вы знаете такую?
i
Их бесконечно много думаю. В определите тут которая согласуется с вашим восприятием
Н
Добрый день. Хочу провести анализ поведения пользователя на основе взаимодействия с мышкой. Проблема, не знаю, как можно преобразовать более удобным способом датафрейм. 1 строка- 1 сессия , в столбце sessions показаны все действия в рамках этой сессии, как мне их лучше распарсить?
AR
Добрый день. Хочу провести анализ поведения пользователя на основе взаимодействия с мышкой. Проблема, не знаю, как можно преобразовать более удобным способом датафрейм. 1 строка- 1 сессия , в столбце sessions показаны все действия в рамках этой сессии, как мне их лучше распарсить?
Можно сделать так: первый столбец содержит id пользователя, второй и третий столбцы - координаты мышки. В итоге получится что-то в духе:
|id|x|y|type|time|
|1|450|2000|mousemove|2020-08-11 10:40|
|1|420|2100|mousemove|2020-08-11 10:42|
Думаю, так будет удобнее делать срезы по датафрейму, гистограммы или карту, где чаще всего была мышка
|id|x|y|type|time|
|1|450|2000|mousemove|2020-08-11 10:40|
|1|420|2100|mousemove|2020-08-11 10:42|
Думаю, так будет удобнее делать срезы по датафрейму, гистограммы или карту, где чаще всего была мышка
Н
Тоже только это придумал:
Если так делать, то обработку df в любом случае через цикл проводить ?
Если так делать, то обработку df в любом случае через цикл проводить ?
AR
Тоже только это придумал:
Если так делать, то обработку df в любом случае через цикл проводить ?
Если так делать, то обработку df в любом случае через цикл проводить ?
Хм, скорее всего да, так как структура словаря в столбце особая
АГ
Gennady Borisov
Товарищи у меня вопрос. Вводные: Есть много временных рядов с виду похожих друг на друга. Я хочу найти среди них действительно похожие. Какой параметр статистический нужно взять чтобы доказать количественно похожесть временных рядов друг на друга. Корректно ли считать корреляции между ними? Либо есть какие-то другие статистические инструмены?
у меня в свое время получилось неплохо кластеризовать ряды с помощью агломеративной кластеризации. Но, тут нужно сначала отнормировать значения рядов на 1(чтобы можно было сравнивать и строить на плоскости), выделить временной промежуток ( я брал месяц (24*30 точек) и вырезать соответствующие фрагменты (если использовать всю длину, то может негативно сказаться "проклятье размерности", слишком много координат для евклидова расстояния, я брал 30 точен). Далее я просто находил центры кластеров через усреднение, а качество построенных кластеров смотрел визуально, изображая все фрагменты на плоскости. Проверял по суммарному расстоянию от центра кластера и среднему расстоянию от центра. Количество кластеров изначально прикинул через elbow rule и коэффициент силуэта (посмотрите библиотеку yellowbrick). Довольно быстро удалось сгруппировать ряды по степени похожести, выделить наиболее похожие.
АГ
типа этого получалось
АГ
жирным это центр кластера