我有一个数据集，在63年内记录了59,000个条目，我需要识别事件集群，标准是：
6小时内有6个或更多活动
每个事件都有一个唯一的ID，时间HH：MM：SS和日期DD：MM：YY，理想情况下，输出将具有集群ID，发生在每个集群中的事件，以及开始和结束时间和日期 .
考虑到R中的问题，我们需要查看每个日期/时间并计算接下来6个小时内的事件数量，如果数量为6或更大，保存事件ID，如果不移动到下一个日期并执行同样的任务 . 我已经采用了一个只包含EventID，Date，Time和Year的数据提取 .
https://dl.dropboxusercontent.com/u/16400709/StackOverflow/DataStack.csv
如果我在此期间提出任何建议，我将在下面发布 .
更新：休息一下考虑问题我有一个新的方法 .
将6个小时添加到每个事件的日期/时间，然后计算落在开始结束时间内的事件数，如果有6个或更多事件采用eventID并为其分配clusterID . 然后转到下一个事件并重复59k次作为循环 .
1 回答
不要使用群集 . 这是错误的工具 . 错误的用语 . 你不是在寻找抽象的“集群”，而是更简单，更明确的东西 . 特别是，您的数据是1维的，这使得事物比聚类中无处不在的多变量情况容易得多 .
相反， sort your data 并使用 sliding window .
如果您的数据已排序，且时间[x 5] - 时间[x] <6小时，则这些事件会满足您的条件 .
排序为O（n log n），但经过高度优化 . 剩余部分是O（n）一次性传递数据 . 这将击败每一个聚类算法，因为它们不会利用您的数据特征 .