<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Aussi bien pour la simulation que pour les données du monde réel, il peut être très utile d’identifier des séries chronologiques semblables à la fois en termes de valeurs absolues dans le temps et de modes de comportement. Par exemple, cela peut nous aider à identifier le moment où le comportement d’un système est radicalement modifié en réponse à un changement d’entrée. JMP propose des techniques de clustering très utiles, mais pour autant que je sache, aucune en particulier pour les données chronologiques.
Quelqu'un a-t-il déjà essayé de développer un script ou un plug-in pour mettre en cluster des données de séries chronologiques dans JMP? Je sais que de tels packages existent pour R. Par exemple, TSclust.
Une approche très grossière consiste à alimenter les données de la série temporelle de l’algorithme de cluster JMP avec chaque point de données dans une nouvelle colonne (donc la colonne 1 = T1 .. etc.). C'est une approche rapide et sale qui donne déjà des résultats. Mais je cherche un moyen accessible d'identifier plus précisément les similitudes de comportement. Par exemple: un graphique pourrait être divisé en segments et pour chaque segment, nous pourrions identifier si le comportement montre un certain type de comportement: croissance accélérée, déclin accéléré (exponentiel) ou ralentissement de la croissance et ralentissement du déclin (logarithmique). Le regroupement de ces informations peut ensuite être effectué à l'aide des algorithmes de regroupement normaux inclus dans JMP. Cependant, idéalement, le regroupement est effectué pour toute la séquence de comportement (ce qui peut inclure de nombreux changements dans la forme du comportement) tout en examinant diverses caractéristiques du comportement, par exemple la première et la deuxième dérivée ainsi que la valeur moyenne. . Je suis intéressé de savoir si quelqu'un a des expériences avec ce défi et est prêt à partager.
Vous trouverez ci-joint une approche très grossière utilisant le regroupement de Ward. Les résultats ne sont en réalité pas trop mauvais (test du globe oculaire) (voir image ci-jointe). La table de données avec le script de cluster inclus est jointe:
gv,
J'ai empilé vos données et ensuite fait une carte de contrôle avec une mise en phase pour les clusters. Je ne sais pas si cela est utile ou utile, mais j'ai pensé que cela pourrait vous plaire.
