可以在缺少值的時間序列上使用動態時間扭曲嗎？

Question

如標題中所示，我想知道是否可以使用DTW（動態時間扭曲）來計算具有缺失值的兩個時間序列之間的DTW距離。

假設兩個時間序列是兩個氣象站的日常溫度，並且長度相等（例如365天），並且兩個時間序列的缺失值在不同日期。

如果這是可能的，R中的dtw包是否能夠處理缺失的值？ 我沒有找到可以在dtw（）中設置的參數，如na.rm = T

非常感謝！

感謝thelatemail提出的建議。 下面是兩個時間序列的簡化示例，其中每個時間序列僅包含52個元素，缺失值設置為NA 。

TS1 = c(-3.26433,  -5.09096,    NA, -8.4158,    -5.85485,   -3.49234,   -7.64666,   -4.90124,   NA, -4.68836,   -1.38114,   1.55527,    2.81872,    2.44261,    3.57963,    6.19983,    7.42515,    8.41524,    6.32686,    10.0144,    9.53251,    13.4781,    12.3585,    10.6706,    10.2647,    16.6848,    16.4855,    20.1482,  NA,   21.5734,    20.3946,    20.8824,    18.0325,    18.5813,    17.5453,    16.3315,    14.3068,    11.3164,   9.96398, 5.53102,    9.55094,    9.05897,    6.81199,    5.20343,    1.63158,    -0.661077,  -4.33853,   -6.53655,   NA,   -10.8646, 1.11843,    1.23786)

TS2 = c(-5.76852,  -10.2207,    -11.8465,   NA, -1.70019,   -3.60319,   -5.7718,    -3.81106,   -5.62284,   -3.57516,        0.314511,  0.64058,    0.476162,   NA, 4.23757,    5.15417,    7.29422,    NA, 1.57376,    9.28236,    8.05182,    13.7175,    9.5453, 10.2417,    9.32423,    18.214, 18.3726,    16.661, 20.6563,    22.2901,  22.1109,  19.129, 15.8615,    16.7817,    17.247, 15.9921,    14.5804,    11.3693,    10.9349,    10.1196,  3.7467,   9.09229,    6.91285,    NA, 4.20934,    -0.566403,  -2.94184,   -3.81432,   -10.0212,   -15.9876,    -2.56286,  -1.88976)

Answer 1

可能不是，我查看了包裝手冊，沒有關於缺失或NA值的信息。 我還試圖將您的數據提供給dtw() ，但它失敗了：

Error in dtw(TS1, TS2) : 
  No warping paths exists that is allowed by costraints

但是當我將所有NA值更改為0時，它很容易工作。

因此，如果您的唯一解決方案是此軟件包，您可以在DTW軟件包論壇上發帖 ，或者您可能必須自己處理丟失的數據。 您可以在這里找到一些提示或 使用 fSeries包 * 的 na()函數 。

*此套餐已不再提供 。 建議使用timeSeries包 。

Answer 2

我也遇到過這種情況。 使用包含NA值的時間序列的DTW時收到錯誤消息的原因是，當DTW路徑中存在NA時，將不確定變形距離。 我建議你使用一些ARIMA模型來估算NA值，然后使用DTW。 檢查這個或這個以輸入缺失的時間序列值。

Answer 3

dtw函數的工作原理如下。

#this shows how to register a distance function with proxy
install.packages("proxy")
require("proxy")

DWT.DIST<-function (x,y)
{

  a<-na.omit(x)
  b<-na.omit(y)

  return(dtw(a,b)$normalizedDistance)
}

## create a new entry in the registry with two aliases
pr_DB$set_entry(FUN = DWT.DIST, names = c("DWT.DIST"))

d<-dist(appliances_t, method = "DWT.DIST")
hc<-hclust(d,"ave")
plot(hc)

pr_DB$delete_entry("DWT.DIST")

資料來源：

鏈接01 ; 鏈接02