基于欧氏距离与皮尔逊相关系数的时间序列聚类
机器学习
2016-01-12 v1 人工智能
机器学习
摘要
对于时间序列比较，常观察到z-score归一化的欧氏距离远优于未归一化版本。本文证明z-score归一化的平方欧氏距离实际上等于基于皮尔逊相关系数的距离。这对许多基于距离的分类或聚类方法具有深远影响。除这一理论严谨的结果外，我们还表明常用的k-Means算法形式上需要修改，以严格保持作为皮尔逊相关系数的解释。实验结果表明，在许多情况下标准k-Means算法通常产生相同结果。
引用
@article{arxiv.1601.02213,
title = {On Clustering Time Series Using Euclidean Distance and Pearson Correlation},
author = {Michael R. Berthold and Frank Höppner},
journal= {arXiv preprint arXiv:1601.02213},
year = {2016}
}