投稿者：スタンフォード大学。ジュール・レスコベック、引用6ワット+。
問題：
サブシーケンスクラスタリング。
挑戦：
それはクラスタ結果の解釈シリーズ+が困難な時間の同時セグメンテーションとクラスタリングを必要とするためのパターンが挑戦しているを発見。
課題は、なぜ、時系列パターンを発見です?? 自分で考えます！非常に多くの距離尺度（DTW、マニホールド距離）とクラスタリング法（KNN、K-means法等）が既に存在します。しかし、私は解釈が困難である認めます。
前書き：
長い時系列----内訳は----->の状態/パターンのシーケンスは------>時系列は、いくつかの重要な状態の連続的なタイムラインとして表現することができるようにします。------->繰り返しパターン/トレンドを把握/大規模かつ高次元のデータセットを解釈し、より良い/異常を検出発見。
重要なステップ：同時にセグメントと時系列クラスタ。
教師なし学習：解釈にハード、クラスタリングした後、あなたは、ビューデータそのものにあります。
どのデータで解釈可能な構造を発見するには？
距離ベースのメトリック、DTW。
参照：
1. 空港（CRF）モデルと簡単な言葉で例の条件を説明するための方法は？