时间序列数据聚类有问题吗？

Question

我想对200种加密货币进行聚类分析，并使用“ tslearn”模块。 每种货币都有365条记录，但某些货币较少。我喜欢使用3种聚类分析方法进行比较。

我的问题是

1. 重心计算属于聚类分析方法吗？ 如果是，此方法可以将货币数据聚类吗？

2. 有验证K值的功能吗？ 用于确定最适合进行聚类分析的合适的K值。

3. 在此模块中，是否有任何用于集群验证的功能可以显示哪种方法是最好的？

4. 在图片下方，此代码有什么问题，为什么结果是“ nan”？ 我的数据形状是>> print（formatted_dataset.shape）的（200，365，1）

对于下面的代码，我喜欢使用DTW距离进行测量，如何选择DTW？

import pandas as pd
import numpy as np
%matplotlib inline
import seaborn as sns
from matplotlib import pyplot as plt
from datetime import datetime
from dateutil.parser import parse
import string
from datetime import date

#K shape
    seed = 0
    numpy.random.seed(seed)
    formatted_dataset = TimeSeriesScalerMeanVariance().fit_transform(formatted_dataset[:200])
    sz = formatted_dataset.shape[2]

    #Euclidean k-means
    ks = KShape(n_clusters=3, verbose=True, random_state=seed)
    y_pred = ks.fit_predict(formatted_dataset)

    plt.figure()
    for yi in range(3):
    plt.subplot(3, 1, 1 + yi)
    for xx in formatted_dataset[y_pred == yi]:
    plt.plot(xx.ravel(), "k-", alpha=.2)
    plt.plot(ks.cluster_centers_[yi].ravel(), "r-")
    plt.xlim(0, sz)
    plt.ylim(-4, 4)
    plt.title("Cluster %d" % (yi + 1))

    plt.tight_layout()
    plt.show()

谨慎的代码

谨慎的代码