为何dtw()结合pam()与tsclust()聚类结果不一致？

你使用以下两种语法实现基于DTW距离的PAM聚类，参数均设置为Manhattan局部距离、symmetric1步模式，但结果却不一致：

语法1（手动构建DTW距离矩阵+cluster包pam） #

dtw_distances <- matrix(0, nrow = nrow(data_wide), ncol = nrow(data_wide))
rownames(dtw_distances) <- rownames(data_wide)
colnames(dtw_distances) <- rownames(data_wide)
for (i in 1:(nrow(data_wide)-1)) {
  for (j in (i+1):nrow(data_wide)) {
    ts1 <- as.vector(data_wide[i, ])
    ts2 <- as.vector(data_wide[j, ])
    alignment <- dtw(ts1, ts2, step.pattern=symmetric1, dist.method = "manhattan", keep.internals = T)
    dtw_distances[i, j] <- alignment$distance
    dtw_distances[j, i] <- alignment$distance
    
  }
}
ks_kmedoids <- data.frame(k = integer(), sil_kmeans = numeric())
silhouette_scores_kmedoids <- numeric()
for (k in 2:10) {
  kmedoids_result <- pam(dtw_distances, k)
  silhouette_scores_kmedoids[k] <- mean(silhouette(kmedoids_result$clustering, dtw_distances)[, 3])
  
  ks_kmedoids <- rbind(ks_kmedoids, data.frame(k=k, sil_kmedoids = silhouette_scores_kmedoids[k] ))
}
print(ks_kmedoids)

语法2（tsclust直接实现） #

ks_kmedoids <- data.frame(k = integer(), sil_kmedoids = numeric())
silhouette_scores_kmedoids <- numeric()
for (k in 2:10) {
  kmedoids_result <- tsclust(data_wide, type="partitional", k=k,distance="dtw_basic",dist_args = list(method = "manhattan",step.pattern=symmetric1),centroid = "pam",seed=123)
  silhouette_scores_kmedoids[k] <- mean(silhouette(kmedoids_result@cluster, dtw_distances)[, 3])
  
  ks_kmedoids <- rbind(ks_kmedoids, data.frame(k=k, sil_kmedoids = silhouette_scores_kmedoids[k] ))
}
print(ks_kmedoids)

注：data_wide为已标准化的宽格式时间序列数据。

导致结果不一致的核心原因如下：

1. DTW距离矩阵的计算细节存在差异 #

• 语法1使用dtw包的dtw()函数计算距离，直接返回原始累计对齐距离；而语法2使用tsclust的dtw_basic计算距离，二者在底层逻辑上存在细微区别：比如dtw_basic是否默认对距离做缩放、对步模式权重的处理是否和dtw()完全一致，都会导致最终生成的距离矩阵数值不同。PAM聚类完全依赖距离矩阵，这是结果差异的核心根源之一。
• 语法1中手动转换向量的as.vector(data_wide[i, ])，和tsclust直接处理宽格式数据行的方式，可能存在维度顺序的隐性差异（需验证数据框转向量的顺序是否与tsclust的处理逻辑一致）。

2. PAM算法的初始化与执行逻辑不同 #

• 语法1调用cluster包的pam()函数，默认采用启发式的"build"初始化方法，通过逐步筛选最优medoid完成初始化；而语法2中tsclust的partitional聚类默认采用随机初始化（即使设置seed=123固定了随机种子，但初始化逻辑本身和pam()的"build"完全不同）。初始medoid的选择差异，会直接导致PAM迭代后的最终聚类结果不同。
• tsclust内部对PAM的实现，和cluster包的pam()并非完全一致，比如迭代终止条件、medoid更新的细节逻辑，都可能存在差异。

3. 轮廓系数计算的数据源不匹配 #

语法2中计算轮廓系数时，使用的是语法1生成的dtw_distances矩阵，但tsclust聚类时实际使用的是自身计算的DTW距离矩阵，这两个矩阵可能因上述DTW计算差异而不匹配，导致轮廓系数计算结果失真，进一步放大了结果差异。

内容的提问来源于stack exchange，提问作者Nurul Magfirah