1) найти ряды, похожие по поведению; 2) вычислить лаг в единицах времени между похожими рядами.
1) планирую решить с помощью Dynamic Time Warping, который как раз учитывает смещение во времени. А вот с 2) вопрос - нахождение лага решается с помощью Cross Correlation Functions? Или есть какие-то еще методы?
Мне кажется, оба вопроса достаточно подробно освещены в книге Мастицкого по временным рядам.
про кластеризацию там видел, про вычисление лага - нет, возможно пропустил
А в начале кластеризации DTW-расстояние - не то?
в моем понимании, DTW-расстояние - это аналог евклидова расстояния между точками двух рядов, только смещенный во времени. Вот это смещение мне и необходимо рассчитать
Лаг,впрочем как и dtw, не всегда поможет осознать вам истину) АКФ ,естественно,вычислит вам какое-то число,но это не будет на сто процентов означать,что во временном ряде есть период. Все сильно зависит от природы временного ряда. Если ряд какого либо радиотехнического сигнала,то там бывают зависимости с акф около 0,7-0,9. А во временных рядах продаж товаров или стоимости акции картина другая совсем. Если у вас АКФ ниже 0,7 то я бы не считал,что лаг есть. Но это чисто мои практические наблюдения.
О, а что это такое «dynamic time wrapping»?
И что значит, лаг по времени между похожими рядами?
альтернатива евклидова расстояния между точками временных рядов, только учитывает возможных лаг по времени между одинаковыми точками.
То что вы написал, это просто расстояние между двумя функциями, значит sup норма
Это обычная паттерн модель, но изменёнными параметрами могут встречаться как по времени так и по второй составляющей
Обсуждают сегодня