動的時間伸縮法(DTW)
DTW（Dynamic Time Warping）とは時系列データ同士の類似度を測る際に用いる手法のひとつ。二つの波形を比較するときに、波形の長さが異なるとどの点とどの点を対応させれば良いかが明確ではないという問題がある。DTWは２つの時系列の各点の距離を総当たりで求め、全パターンのうち最小となる組合せを見つけてそれを類似度として扱う。このようにすることで、多少の波がずれていたりしても形が「似ている」波形を見つけることができます。このページではfastdtwを利用して、時系列データ間の類似度を求めます。
import numpy as np
import matplotlib.pyplot as plt
from fastdtw import fastdtw
実験に使用する二つの波形をプロット
data1 = [91.0 * np.sin(i / 2.1) for i in range(30)]
data2 = [100.0 * np.sin(i / 2.0) + np.random.rand() for i in range(30)]
data3 = [50.0 * np.cos(i / 2.0) + np.random.rand() for i in range(30)]
plt.figure(figsize=(12, 4))
# 波形をプロット
plt.plot(data1, label="data1", color="k")
plt.plot(data2, label="data2", color="r")
plt.plot(data3, label="data3", color="b")
plt.legend()
plt.show()
DTWを計算し対応関係をプロットする
黒色と赤色の波形の間のDTWが小さい値を示しており、青色の波形よりも（DTWという指標の上では）似ているという判断ができます。
# DTWを計算
distance_12, path_12 = fastdtw(data1, data2)
distance_13, path_13 = fastdtw(data1, data3)
# 対応するポイントを線で結ぶ
plt.figure(figsize=(12, 4))
for x_12, x_13 in zip(path_12, path_13):
plt.plot(x_12, [data1[x_12[0]], data2[x_12[1]]], color="r", linestyle="dotted")
plt.plot(x_13, [data1[x_13[0]], data3[x_13[1]]], color="b", linestyle="dotted")
# 波形をプロット
plt.plot(data1, label="data1", color="k")
plt.plot(data2, label="data2", color="r")
plt.plot(data3, label="data2", color="b")
plt.legend()
plt.title(
f"DTW(data1, data2) {np.round(distance_12, 3)} < {np.round(distance_13, 3)} DTW(data1, data3)",
fontsize=14,
)
plt.show()
