TAIEX模糊时间序列预测的DBSCAN/OPTICS聚类适用性与异常咨询

1. DBSCAN、OPTICS的时间序列场景适用性 #

• 原生算法的适配边界：DBSCAN、OPTICS核心基于密度连通性开展聚类，默认依托欧氏距离计算样本相似度。针对你当前“对TAIEX序列取值分布做聚类、输出聚类数作为模糊集划分依据”的目标，这类算法完全适配——本质是对序列的数值分布做密度分区，和普通一维数值聚类的逻辑一致，不存在场景错配。
• 场景适配的注意事项：如果聚类目标是识别连续的时序形态片段（比如上涨、下跌、盘整的序列段聚类），原生算法无法直接使用，需要替换为DTW等时序专属距离度量；但你当前的核心需求是通过取值聚类推导模糊集划分，不需要关联时序的片段形态，直接使用原生算法即可满足研究要求。
• OPTICS的场景优势：相比DBSCAN，OPTICS无需提前精准设置eps参数，可自动识别不同密度层级的聚类结构，对参数的鲁棒性更强，更适合需要稳定输出模糊集数量的研究场景。

2. DBSCAN聚类结果全为离群点的成因与修正方案 #

核心问题成因 #

• 特征维度与尺度错配：如果你的聚类输入是“时间戳+指数值”的二维矩阵（对应代码中绘图用到的变量dados），此时eps=50的判定半径是同时覆盖两个维度的欧氏距离：时间轴单位通常为交易日，序列跨度可达数年，指数值的跨度可达数千点，两个维度的尺度差可达数个数量级。eps=50的半径在时间轴上仅能覆盖不到2个月的间隔，在指数值轴上仅能覆盖50点的价差，绝大多数数据点无法达到密度连通的判定要求，自然全部被识别为离群点。
• 参数阈值设置过高：当前设置的min_samples=100，要求每个核心点在eps半径内必须包含至少100个邻域点，对于常规规模的TAIEX序列（样本量通常为数百到一千个交易日），该阈值远高于常规密度分布，即便调整eps范围，也很难满足核心点的判定条件。
• 未做特征尺度统一：即便仅将一维的指数值作为聚类特征，TAIEX的取值范围通常在数千到上万点，未经过标准化的前提下，人为设置的eps=50属于极小的判定半径，根本围不出有效的高密度区域，参数调整完全失去参考锚点。
• 代码细节问题：代码中聚类的输入变量为time_data，但绘图环节引用的变量为dados，变量名不统一会直接导致运行报错，无法输出正确的聚类结果。

可直接落地的修正步骤 #

• 调整聚类输入：如果核心目标是对指数值的分布做聚类，仅需将序列的一维取值reshape为(样本数, 1)的二维矩阵作为聚类输入，绝对不要将时间戳作为聚类计算的特征维度——时间维度仅用于绘图展示，不参与聚类的距离计算，从根源上避免维度尺度错配问题。
• 匹配合理参数范围：
  • 先对指数值做min-max标准化，将取值范围缩放至[0,1]区间，此时DBSCAN的eps参考范围为0.02-0.1，min_samples参考范围为3-10；可通过K距离曲线确定最优eps：将所有点到第min_samples近邻的距离按从小到大排序，取曲线拐点对应的距离值作为最终eps，无需反复盲调参数。
• 替代方案优化：如果追求更稳定的聚类结果，可直接用OPTICS替换DBSCAN，仅需将实例化代码修改为OPTICS(min_samples=5, xi=0.05)，无需手动设置eps值，即可自动识别稳定的密度分区，适配模糊集划分的需求。

内容的提问来源于stack exchange，提问作者Arthur