In ahorawzy/TFTSA: Traffic Flow Time Series Analysis

library(ggplot2)
library(reshape2)

今天的实验是聚类这一章的最后一次实验。之前的实验进行得都很顺利。

今天的实验是使用LOESS距离，用新设计的距离来做。今天的实验技术之前都完成了，按理论上难度不大。

数据准备

导入LOESS数据

tmlallloess <- read.csv("D:\\data\\thesis\\201610\\tmldata\\tmlallloess.csv")
dim(tmlallloess)

names(tmlallloess)

tmldzzloess <- tmlallloess[,c(2,3,6)]
names(tmldzzloess)

数据转置

tmlzzloess <- dcast(tmldzzloess,tmldzzloess$日期~tmldzzloess$时间序号)
dim(tmlzzloess)

rownames(tmlzzloess) <- tmlzzloess[,1]
tmlzzloess <- tmlzzloess[,2:289]
dim(tmlzzloess)

处理缺失值

sum(!complete.cases(tmlzzloess))

tmlzzloess[!complete.cases(tmlzzloess),232] <- 27.395

sum(!complete.cases(tmlzzloess))

缺失值处理完了。

计算新距离

newdisloess <- matrix(rep(0,441),21,21)
for(i in 1:21){
  for(j in 1:21){
    if(i>j){
      z=tmlzzloess[i,]-tmlzzloess[j,]
      newdisloess[i,j]=sqrt(sum(z**2))+sqrt(sum((z-mean(as.matrix(z)))**2))
    }
  }
}
newdisloess

days <- rownames(tmlzzloess)
days

names(newdisloess) <- days
rownames(newdisloess) <- days
as.dist(newdisloess)

层次聚类

fit_hc_new_loess <- hclust(as.dist(newdisloess))
plot(fit_hc_new_loess)

分类结果明显更合理！

ahorawzy/TFTSA documentation built on May 13, 2019, 12:18 p.m.