時間序列中的模式識別我發現瞭如何在 JMP 中使用聚類技術來識別相似的模式：
https://community.jmp.com/t5/Discussions/How-to-define-clusters-of-semiconductor-wafer-defect-sort/td-p/15051
在分析時間序列資料時，我通常對出現感興趣模式的聚類週期感興趣。 文獻中有多種技術，我想知道如何使用 JMP/JMP Pro 來獲得一些初步結果。
回覆：時間序列中的模式識別除了函數資料瀏覽器平台（僅在 JMP Pro 中可用）之外，您可能還想查看 JMP 中的時間序列平台（該平台也在 JMP Pro 中，因為 JMP 功能是 JMP Pro 功能的子集）。 平台內嵌套有許多模式識別子平台/視覺化選項。 正如 quora 的一位受訪者明智地指出的那樣，“……這取決於您正在尋找的模式。” 以下是時間序列平台 JMP 線上文件的連結：
https://www.jmp.com/support/help/14-2/time-series-analysis.shtml#
回覆：時間序列中的模式識別quora 的這個答案很好地總結了可以用於先前的聚類的不同技術。
原始碼: quora.com/什麼是檢測時間序列中模式的最佳方式演算法
- 互相關
- 視窗動態時間扭曲
- 使用統計資料組合來確定時間序列
- 隱馬可夫模型
- 循環神經網絡
回覆：時間序列中的模式識別有趣的方法 - 人們可以利用 FDE 平台內的資料預處理和動態時間扭曲。
回覆：時間序列中的模式識別我覺得功能數據瀏覽器平台可能會在這裡幫助您。 您可以保存每個時間序列的功能主成分，然後根據這些主成分進行聚類。
以下是有關功能資料瀏覽器的一些教學：
Function Data Explorer 的內容、地點、原因和方式 (2019-EU-45MP-050)
Function Data Explorer 的廣泛技術設施 (US 2018 226)
教學 - 使用 Function Data Explorer 來理解感測器資料 (US 2018 410)
回覆：時間序列中的模式識別您能否分享您有興趣使用的文獻中的具體實例/技術？ 然後將 JMP/JMP Pro 中的功能與這些特定實例進行比較？
