如何在 3 个或更多信号之间 apply/implement 动态时间规整 (DTW) 或快速动态时间规整 (FastDTW) python？

Question

在时间序列分析中，动态时间扭曲(DTW)是衡量两个时间序列之间相似性的算法之一，其速度可能会有所不同。 Fast DTW 是一种更快速的方法。我想知道如何不仅在 2 个信号之间而且在 3 个或更多信号之间实现此方法。

distance, warp_path = fastdtw(series2, series1, dist=euclidean)

Answer 1

您基本上需要构造一个矩阵，对系列的所有可能组合评估 FastDTW 算法。

import fastdtw
import scipy.spatial.distance as sd

def my_fastdtw(sales1, sales2):
    return fastdtw.fastdtw(sales1,sales2)[0]

distance_matrix = sd.pdist(sales, my_fastdtw)

您可以查看此线程以获取有关如何操作以及其他可能性的参考：Efficient pairwise DTW calculation using numpy or cython

如何在 3 个或更多信号之间 apply/implement 动态时间规整 (DTW) 或快速动态时间规整 (FastDTW) python？

How to apply/implement Dynamic Time Warping (DTW) or Fast Dynamic Time Warping (FastDTW) in python between 3 or more signals?

python

signals

signal-processing

dtw