DTWの検索結果1 - 4 件 / 4件

• あとで読む

  DTW(Dynamic Time Warping)動的時間伸縮法 – S-Analysis

  • 10 users
  • data-analysis-stats.jp
  • テクノロジー
  • 2020/06/10

  前回「時系列データの評価方法」について解説しました。 時系列データの向け、時系列同士の類似度を測る際にDTWという手法があります。今回の記事はDTW(Dynamic Time Warping)/動的時間伸縮法について解説したいと思います。 目次1.　 DTWの概要 ___1.1 DTW(Dynamic Time Warping)/動的時間伸縮法とは ___1.2 DTWの計算 2. 　 tslearn.clusteringの説明 ___2.1 tslearn.clusteringのクラス ___2.2 パラメタの説明 3. 実験 ___3.1 データ理解 ___3.2 EuclideanとDTWのk-meansクラスター ___3.3 可視化 4. まとめ 1. DTWの概要1.1 DTW(Dynamic Time Warping)/動的時間伸縮法とはDTWとは時系列データ同士の距離・類似

  • time_series
  • Python
  • research
• あとで読む

  DTW(Dynamic Time Warping)で台風軌道をクラスタリングする - rmizutaの日記

  • 5 users
  • rmizutaa.hatenablog.com
  • テクノロジー
  • 2020/09/26

  はじめに 多次元時系列データのクラスタリングがしたいと思って探していたところ、 ちょうどこちらのブログの題材が台風軌道のクラスタリングという、多次元時系列かつ系列長の異なるデータをクラスタリングするというものだったので、理解を兼ねて同じ内容をpythonで実施してみたのが今回の内容になります。 参考資料 題材と内容を参考にさせていただいたブログ https://y-uti.hatenablog.jp/entry/2016/01/07/154258 DTWについてのわかりやすい資料 http://sinhrks.hatenablog.com/entry/2014/11/14/232603 気象庁の台風データ http://www.data.jma.go.jp/fcd/yoho/typhoon/position_table/ tsleanのドキュメント https://tslearn.read

  • あとで読む

  
• あとで読む

  DTW(Dynamic Time Warping)/動的時間伸縮法について話す - Qiita

  • 4 users
  • qiita.com/hcpmiyuki
  • テクノロジー
  • 2020/06/10

  最近時系列分析を勉強していて、時系列同士の類似度を測る際にDTWという手法を学んだのでゆるくまとめてみようと思います。今回は説明編、次回を実践編としたいです。 DTW(Dynamic Time Warping)/動的時間伸縮法とは DTWとは時系列データ同士の類似度を測る際に用いる手法です。波形の類似度を求める手法としてはユークリッド距離やコサイン距離等があるかと思います。 DTWは２つの時系列の各点の距離(誤差の絶対値)を総当たりで求め、全て求めた上で２つの時系列が最短となるパスを見つけます。 対応する点を選ぶ際に重複を許す（その時点までに選択済みの点も選択できる）ため、時系列同士の長さや周期が違っても類似度を求めることができます。 なので、DTWは「周期はずれているが、形は似ている」という場合や、系列同士の長さが異なるデータの類似度を測りたいときに他の手法よりも便利な手法だと言えます。

  • Qiita
  • 機械学習
  • python

  
• あとで読む

  【DTWとは】動的時間伸縮法で2つの時系列データの類似度を調べる

  • 4 users
  • algorithm.joho.info
  • テクノロジー
  • 2020/05/24

  DTW（Dynamic Time Warping）とは、2つの時系列データの類似度を調べることができるアルゴリズムです。 2つの時系列データの各サンプル値間の距離（コスト）を総渡りで計算していき、距離（コスト）が最小となる関係性（経路）を見つます。よって ●サンプル数が異なる時系列データ同士の比較が可能 ●時間や位相軸が異なっていても、波形が似ていれば類似度が高くなる という優れた利点があります。つまり、周期や動きが似ているが、サンプル数が異なる時系列データ同士を比較できます。 【アルゴリズム】類似度の算出（計算例つき） アルゴリズムを計算例つきで解説します。 ● 2つの時系列データ（X, Y）を用意します。ます。 x = [1, 2, 3] y = [2, 3, 4] ● 各サンプル点に対して総当たりで距離を計算し、要素がデータ点同士の距離となる行列D（m × n）を作成します。 D =

  • 機械学習