Existem algoritmos de aprendizado não supervisionado para dados seqüenciados no tempo?

Cada observação nos meus dados foi coletada com uma diferença de 0,1 segundos. Não chamo de série temporal porque não tem data e hora. Nos exemplos de algoritmos de clustering (encontrados online) e PCA, os dados da amostra têm 1 observação por caso e não são cronometrados. Mas meus dados têm centenas de observações coletadas a cada 0,1 segundos por veículo e existem muitos veículos.

Nota: Também fiz essa pergunta no quora.

O que você tem é uma sequência de eventos de acordo com o tempo, então não hesite em chamá-lo de Série Temporal!

O agrupamento em séries temporais tem 2 significados diferentes:

1. Segmentação de séries temporais, ou seja, você deseja segmentar uma série temporal individual em diferentes intervalos de tempo, de acordo com as semelhanças internas.
2. Agrupamento de séries temporais, ou seja, você possui várias séries temporais e deseja encontrar diferentes agrupamentos de acordo com as semelhanças entre eles.

Suponho que você queira dizer o segundo e aqui está a minha sugestão:

Você tem muitos veículos e muitas observações por veículo, ou seja, você tem muitos veículos. Então você tem várias matrizes (cada veículo é uma matriz) e cada matriz contém N linhas (Nr de observações) e T colunas (pontos no tempo). Uma sugestão poderia ser a aplicação do PCA em cada matriz para reduzir a dimensionalidade e a observação dos dados no espaço do PC e verificar se há relações significativas entre diferentes observações dentro de uma matriz (veículo) . Em seguida, é possível colocar cada observação de todos os veículos um no outro e criar uma matriz e aplicar PCA a isso para ver as relações de uma única observação entre diferentes veículos.

Se você não tem valores negativos Matrix Factorization é fortemente recomendado para redução dimensão dos dados do formulário matriz.

Outra sugestão pode ser colocar todas as matrizes umas sobre as outras e criar um tensor N x M x T, onde N é o número de veículos, M é o número de observações e T é a sequência de tempo e aplica a Decomposição do Tensor para ver as relações globalmente.

Uma abordagem muito agradável ao Cluster de séries temporais é mostrada neste documento, onde a implementação é silenciosa e direta.

Espero que tenha ajudado!

Boa sorte :)

EDITAR

Como você mencionou, você quer dizer segmentação de séries temporais, adiciono isso à resposta.

A segmentação de séries temporais é o único problema de agrupamento que tem uma verdade fundamental para a avaliação. De fato, você considera a distribuição geradora por trás das séries temporais e a analisa. Eu recomendo fortemente isso , isto , isto , isto , isto e isto, onde o seu problema é estudado de maneira abrangente. Especialmente o último e a tese de doutorado.

Boa sorte!