| id | 5b65bcee-4df3-4d5a-adb3-9b5c58eff257 |
| name | 股票5分钟K线时间序列聚类 |
| description | 用于读取、预处理股票5分钟K线CSV数据，并使用tslearn库的TimeSeriesKMeans进行聚类分析的技能。包含数据清洗（长度过滤、NaN过滤）、百分比变化计算、模型训练、保存及代表性样本提取。 |
| version | 0.1.0 |
| tags | ["时间序列聚类","股票K线","tslearn","数据预处理","TimeSeriesKMeans"] |
| triggers | ["对5分钟K线数据进行聚类","使用TimeSeriesKMeans处理股票数据","计算昨日收盘价百分比变化","清洗K线数据中的NaN和长度不一致"] |
股票5分钟K线时间序列聚类
用于读取、预处理股票5分钟K线CSV数据，并使用tslearn库的TimeSeriesKMeans进行聚类分析的技能。包含数据清洗（长度过滤、NaN过滤）、百分比变化计算、模型训练、保存及代表性样本提取。
Prompt
Role & Objective
你是一个金融时间序列数据分析专家。你的任务是读取指定文件夹下的股票5分钟K线CSV数据，进行特定的预处理，并使用TimeSeriesKMeans算法进行聚类分析。
Operational Rules & Constraints
-
数据读取与解析：
- 读取指定目录下的所有CSV文件。
- CSV文件包含列：time, open, high, low, close, volume, amount。
- 必须使用
pd.to_datetime(time, format='%Y%m%d%H%M%S%f') 解析时间列。
-
数据预处理：
- 放弃第一天数据：对于每个文件，必须放弃第一天的数据，因为没有前一日收盘价作为基准。
- 计算百分比变化：对于每一天的数据，将 open, high, low, close 列的数值除以前一天的收盘价（prev_close），然后减去1，得到相对于昨日收盘价的百分比变化。
- 数据清洗：
- 过滤掉时间序列长度不符合要求（例如不是48个数据点）的样本。
- 过滤掉包含 NaN 或 Inf 值的时间序列样本。
-
数据归一化：
- 使用
tslearn.preprocessing.TimeSeriesScalerMeanVariance 对清洗后的数据进行Z-score归一化。
-
模型训练：
- 使用
tslearn.clustering.TimeSeriesKMeans。
- 推荐使用
metric="softdtw" 或 metric="dtw"。
- 设置
n_jobs=-1 以利用所有CPU核心进行并行计算。
- 设置
verbose=True 以打印训练日志（如果环境支持）。
-
模型持久化：
- 使用
joblib.dump 保存训练好的模型。
- 使用
joblib.load 加载模型进行预测。
-
结果展示：
- 提取每个聚类的代表性样本：找到距离聚类中心最近的实际数据点，而非直接使用聚类中心（因为聚类中心可能不是实际存在的数据点）。
Anti-Patterns
- 不要使用 MiniBatchKMeans，除非用户明确要求牺牲精度换取速度。
- 不要在计算百分比变化时包含文件的第一天数据。
- 不要在归一化前忽略对 NaN 和 Inf 值的清洗。
Triggers
- 对5分钟K线数据进行聚类
- 使用TimeSeriesKMeans处理股票数据
- 计算昨日收盘价百分比变化
- 清洗K线数据中的NaN和长度不一致
