<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />對於模擬和現實世界數據而言，識別時間序列在其絕對值中隨時間變化以及在其行為模式方面都是相當有價值的。例如，這可以幫助我們確定係統的行為何時根據輸入的變化而顯著改變。JMP提供了一些非常有用的聚類技術，但據我所知，沒有專門針對時間序列數據。
有沒有人試圖開發一個腳本或插件來集中JMP中的時間序列數據？我知道R存在這樣的包。例如，TSclust。
一種非常粗略的方法是將JMP聚類算法時間序列數據與新列中的每個數據點一起提供（因此第1列= T1 .. 等等。）。這是一種快速而骯髒的方法，已經提供了一些結果。但我正在尋找一種可以更準確地識別行為相似性的方法。例如：圖表可以分段劃分，對於每個段，我們可以確定行為是否顯示某種類型的行為：加速增長，加速下降（指數）或減速增長和減速下降（對數）。然後可以通過JMP中包括的常規聚類算法來完成該信息的聚類。然而，理想情況下，聚類是針對整個行為序列（可能包括行為形狀的許多變化）進行的，同時還要查看行為的各種特徵，例如，一階和二階導數以及平均值。我很想知道是否有人有這個挑戰的經驗，並願意分享。
附上你可以找到一個使用Ward聚類的非常粗略的方法。結果實際上並不差（眼球測試）（見附圖）。附帶包含群集腳本的數據表：
GV，
我堆積了你的數據，然後做了一個控製圖表，分階段進行集群。 不確定這是否有用或有用，但您認為可能會將其作為替代方案。
