是否有无监督的时序数据学习算法？

我的数据中的每个观察值相差0.1秒。我不称其为时间序列，因为它没有日期和时间戳。在聚类算法（我在网上找到）和PCA的示例中，每个案例的样本数据有1个观察值，并且没有计时。但是我的数据每辆车每0.1秒收集数百个观测值，并且有很多辆车。

注意：我也已经在法定人数上提出了这个问题。

您所拥有的是根据时间而发生的一系列事件，因此请毫不犹豫地将其称为时间序列！

时间序列聚类具有2个不同的含义：

1. 时间序列分段，即您要根据内部相似性将单个时间序列分段为不同的时间间隔。
2. 时间序列聚类，即您有多个时间序列，并且您希望根据它们之间的相似性找到不同的聚类。

我认为您的意思是第二个，这是我的建议：

您有很多车辆，每辆车有很多观测值，即您有很多车辆。因此，您有几个矩阵（每个媒介都是一个矩阵），每个矩阵包含N行（观测值Nr）和T列（时间点）。一个建议可以是将PCA应用于每个矩阵，以减小维度，并观察PC空间中的数据，并查看矩阵（车辆）内不同观测值之间是否存在有意义的关系。然后，您可以将所有车辆的每个观测值彼此放置在一起，并制作一个矩阵并将其应用于PCA，以查看不同车辆之间的单个观测值之间的关系。

如果没有负值，则强烈建议使用“ 矩阵分解”来减少矩阵表单数据的维数。

另一个建议是将所有矩阵相互叠加，并构建一个N x M x T张量，其中N是车辆数，M是观测数，T是时间序列，并应用张量分解来查看全局关系。

本文展示了一种非常好的时间序列聚类方法，该方法的实现非常简单。

希望对您有所帮助！

祝好运 ：）

编辑

正如您提到的，您是指时间序列细分，我将其添加到答案中。

时间序列细分是唯一具有评估基础的聚类问题。事实上，你考虑的时间序列背后的发电分布，分析它，我强烈推荐这个，这个，这个，这个，这个和这个地方你的问题是全面的研究。特别是最后一篇和博士学位论文。

祝好运！