时间序列数据的无监督学习

Question

我有一个由许多系列组成的数据集。我想建立一个模型，能够确定哪些系列或系列集独立于系列，哪些系列与其相关性一起依赖。

换句话说，假设我有系列 A、B 和 C，但我对它们一无所知。输出可能是 A 和 B 是独立的，但是知道时间 t-1 的 B 有助于我们预测时间 t 的 C。

这叫什么问题？如果我有 N 系列而不是只有 3 个系列，我该如何解决这个问题？我熟悉 Python 中的机器学习技术，但我不确定是否有其他更好的方法，例如遗传算法等，可以帮助我找到解决方案。

也许我在考虑无监督学习或聚类方面的问题，但我不确定如何使用时间序列来完成。对此有什么想法吗？

如能提供链接等指点，将不胜感激！

Answer 1

如果我以正确的方式理解你的问题，你想知道你的时间序列（即向量）是否相关。确定我会鼓励您使用 spicy.stats or numpy.corrcoef

如果您只想确定它们的行为方式是否相同，您可以计算它们在一段时间内的百分比变化（以使其标准化）并进行比较。