<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />对于模拟和现实世界数据而言，识别时间序列在其绝对值中随时间变化以及在其行为模式方面都是相当有价值的。例如，这可以帮助我们确定系统的行为何时根据输入的变化而显着改变。JMP提供了一些非常有用的聚类技术，但据我所知，没有专门针对时间序列数据。
有没有人试图开发一个脚本或插件来集中JMP中的时间序列数据？我知道R存在这样的包。例如，TSclust。
一种非常粗略的方法是将JMP聚类算法时间序列数据与新列中的每个数据点一起提供（因此第1列= T1 .. 等等。）。这是一种快速而肮脏的方法，已经提供了一些结果。但我正在寻找一种可以更准确地识别行为相似性的方法。例如：图表可以分段划分，对于每个段，我们可以确定行为是否显示某种类型的行为：加速增长，加速下降（指数）或减速增长和减速下降（对数）。然后可以通过JMP中包括的常规聚类算法来完成该信息的聚类。但是，理想情况下，聚类是针对整个行为序列（可能包括行为形状的许多变化）进行的，同时还会查看行为的各种特征，例如，一阶和二阶导数以及平均值。我很想知道是否有人有这个挑战的经验，并愿意分享。
附上你可以找到一个使用Ward聚类的非常粗略的方法。结果实际上并不差（眼球测试）（见附图）。附带包含群集脚本的数据表：
GV，
我堆积了你的数据，然后做了一个控制图表，分阶段进行集群。 不确定这是否有用或有用，但您认为可能会将其作为替代方案。
