python - 通过聚类分析能源数据集

Question

所以我对机器学习还很陌生，我正在尝试创建一个 python 脚本来分析计算机的能量数据集。该脚本最终应该确定计算机的不同状态（如空闲、待机、工作等）以及这些状态平均使用多少能量。

我想知道这个任务是否可以通过一些聚类方法来完成，比如 k-means 或 DBSCAN。

我对 scikit learn 中的一些聚类方法进行了一些修改，但到目前为止的结果并没有我预期的那么好。我对聚类方法进行了很多研究，但我永远找不到与我类似的场景。

所以我的问题是它是否值得麻烦，如果是的话，哪种聚类方法（或整体机器学习算法）最适合该任务？或者有更好的方法吗？

能量数据集只是一个单列表，其中一个单元格是几天内每秒一个能量值。

标签： pythonmachine-learningscikit-learncluster-analysis

Answer 1

能量数据集只是一个单列表，其中一个单元格是几天内每秒一个能量值。

您将无法对此数据集应用监督学习，因为您的数据集没有标签（没有已知状态给定能量值）。这意味着在给定数据集的情况下，SVM、决策树等模型是不可行的。

您所拥有的是具有单个变量输出的时间序列。据我了解，您的目标是确定是否存在不同的能量状态，以及这些状态的平均值是多少。

我认为使用 matplotlib 或 seaborn 之类的东西来绘制时间序列会非常有帮助。绘制数据后，您可以更好地了解您的假设是否合理，以及您可能希望如何进一步解决问题。您可以通过仅绘制时间序列并观察有四种不同的能量状态（例如空闲、待机、工作等）来解决您的问题，避免使用任何复杂的统计技术、机器学习等。

要回答您的问题，您原则上可以将 k-means 用于一维数据。但是，可能不建议这样做，因为这些技术通常用于多维数据。

我建议您查看Jenks 自然中断优化或内核密度优化。可以在此处和此处找到与您类似的问题，应该可以帮助您入门。