如何从时间序列中去除频率成分？
从时间序列中去除频率成分可以通过滤波的方法实现。滤波是一种信号处理技术，可以通过去除或减弱特定频率范围内的信号成分来实现频率分离。
常用的滤波方法包括低通滤波、高通滤波、带通滤波和带阻滤波。根据需要去除的频率成分的范围，选择相应的滤波器类型。
低通滤波器可以通过去除高频成分来实现去除频率成分的目的。常见的低通滤波器有巴特沃斯滤波器、切比雪夫滤波器和椭圆滤波器等。这些滤波器可以根据需要设置截止频率，截止频率之上的信号成分将被滤除。
高通滤波器则可以通过去除低频成分来实现去除频率成分的目的。常见的高通滤波器有巴特沃斯滤波器、切比雪夫滤波器和椭圆滤波器等。同样地，这些滤波器可以根据需要设置截止频率，截止频率之下的信号成分将被滤除。
带通滤波器可以同时去除某一范围内的低频和高频成分，保留中间的频率范围。带阻滤波器则可以去除某一范围内的频率成分，保留其他频率范围。
在实际应用中，可以根据具体需求选择适当的滤波器类型和参数。腾讯云提供了云原生的AI推理服务，可以用于处理时间序列数据中的频率成分。您可以了解腾讯云AI推理服务的相关产品和介绍，以及适用于时间序列数据处理的具体应用场景。
腾讯云AI推理服务产品介绍链接：https://cloud.tencent.com/product/aiinference
相关·内容
1回答
如何从wav文件中获取时域频率？
、、、、
换句话说，我正在尝试播放一个.wav文件，为此，我需要知道它的频率和持续时间；我使用的API有一个方法，它需要作为参数向量，包含两个字段(频率和时间)！
我试图使用快速傅里叶变换，但它给了我的频率和幅度！
马格
/\ x
但我需要这样的东西: freq /\ x-时间
我想知道是否有可能从wav文件中获得这些信息！
浏览 7提问于2014-09-17得票数 0
我有一些数据，我想在上面做一个PCA图。然而，前两个主成分完全是由于3个异常值样本(32个样本中)，我想跳过这两个样本，仅从第3个开始绘制主成分。这是可能的吗，或者我必须做一些计算，从数据中减去前两个主成分，然后绘制剩余部分？
浏览 3提问于2012-06-05得票数 0
回答已采纳
本文给出了快速傅立叶变换输入数据的时间长度与快速傅立叶变换中可区分的两个频率之间的最小距离之间的简单关系。本文的主要结论如下：(1)给出了快速傅立叶变换中输入数据的时间长度与两个频率之间的最小距离之间的简单关系；这篇文章称之为波形频率分辨率。
换句话说，如果两个输入频率在频率上比1/time-length_of_input_data更接近，则它们将在FFT图中仅显示为一个峰值。
我的问题是:有没有办法提高这个波形的频率分辨率？由于这个限制，我发现很难处理相当短的数据系列。
例如，如果我在240个数据点上使用周期为9.5、10和11的正弦序列的组合，我就无法区分不同的频率。
浏览 0提问于2021-02-08得票数 0
3回答
我使用这里描述的算法平滑了一系列数据点：。
如何将平滑后的信号与之后的输入信号进行比较？我希望我能得到一个标量，描述输出与输入的“接近”程度。有什么标准的方法可以做到这一点吗？有没有什么我可以找的词？
我甚至不知道该找什么。谢谢!
浏览 4提问于2010-11-29得票数 1
回答已采纳
1回答
我的问题是:我有一个非周期/不同质频率的Landsat NDVI时间序列。但是，我收到的错误代码是
Error in stl(Yt, "periodic") : series is not periodic or has less than two periods
在没有明确设置频率的情况下，尝试将数据转换为timeseries之后：test_timeseries <-ts(test$nd, start = c(1984,4), end = c(2011,10))。当我试图用函数频率()或deltat()来计算频率或deltat ()时，它都会导致1--这我不明白，因为我
浏览 13提问于2022-10-10得票数 0
我记录一个信号(皮肤电导)随着时间的推移，也就是说，我有一个时间序列。不幸的是，信号受到运动的影响。在用户指南中，我现在阅读了以下内容：
对数据采用低通滤波器去除高频噪声，高频噪声可归因于运动伪影和其他噪声成分。由于GSR响应的性质变化缓慢，可以在不影响感兴趣的数据的情况下使用1-5 Hz的截止频率。
如何在Matlab或Python中将这种截止频率的低通滤波器应用于我的时间序列？
浏览 8提问于2017-09-24得票数 0
回答已采纳
1回答
我正在尝试使用时间跨度绘制数据。我使用的是pandas数据帧，时间跨度足够直接，但在所有示例中，它们生成的数据都符合时间跨度。
如何生成聚合列中数据以匹配时间范围的timespan图？
目前，我正在将索引转换为时间序列，并将值绘制为列值，如下所示
series = pd.Series(df['value'], index=df.index)
series.resample('12T',how='sum')
series.plot()
plt.show()
但是，值为0和1的值似乎不会取平均值，而是在图形中从0到1或相反，而不是在指
浏览 0提问于2016-06-13得票数 0
1回答
通过使用小波工具箱，可以分解和重构时间序列，例如
load leleccum;
s = leleccum(1:3920);
% decomposition
[c,l] = wavedec(s,3,'db5');
% Reconstruction
a0 = waverec(c,l,'db5');
从这里，如何从序列中删除特定的频率？例如，一旦我将序列分解成它的频率分量，我如何在重构之前从它中删除一个频率，如每日周期？
具有24个单位周期的信号示例：
t = 1:365;
raw = 20+(10-2).*rand(1,length(t));
signa
浏览 2提问于2013-02-13得票数 0
2回答
假设您正在尝试度量特定事件流的季节性是否一致，即时间序列中的事件或多或少发生在模式上，如时尚。如何通过算法度量和提取季节性？
目前，我正在使用自相关来查看明显的季节性(月)数据事件。我很难找到如何编写一个算法来测试一个月是否有季节性的东西。下图显示了pacf函数在statsmodels.tsa.stattools库中的结果。从图中可以清楚地看出，如何使用数组来确定季节性？是否有一个对此有用的库？
📷
这个问题类似，但没有得到任何很好的答案：https://stats.stackexchange.com/questions/225003/test-for-trend-and-seasonalit
浏览 0提问于2019-12-05得票数 1
1回答
我正在运行auto.arima来预测时间序列数据，并得到以下错误：
1:时间序列频率已四舍五入，以支持季节性差异。
2:在value3L中:选择的测试遇到了一个错误，因此没有选择季节性差异。检查时间序列数据。
这就是我要执行的：
fit <- auto.arima(data,seasonal = TRUE, approximation = FALSE)
我有每周的时间序列数据。
dput(数据)是这样的：
structure(c(12911647L, 12618317L, 12827388L, 12967840L, 13264925L,
13557838L, 13701131L
浏览 0提问于2019-04-23得票数 0
回答已采纳
1回答
在时间序列数据挖掘的背景下，我读过关于时间序列分割和时间序列聚类的文章，但是我无法区分两者。如果它们是不同的，这些方法如何相互关联？
根据我的理解(如果我错了，请纠正我)，分割被认为是聚类阶段的预处理步骤。我的意思是，分段步骤主要用于将时间序列数据划分为分段，例如，将其划分为状态。在此基础上，采用传统的聚类算法对这些片段进行聚类(相似段属于同一簇)。
例如，假设分段过程将给定的时间序列表示为以下部分：(S1、S2、S3、S4、S5、S6)。然后，在应用分割过程后，采用传统的聚类方法对提取的片段进行聚类。因此，我们可能会得到这样的结果:如果k= 3:那么K1 {S1，S5}，K2 {S3，S6}
浏览 0提问于2018-03-31得票数 3
回答已采纳
2回答
我有一个正在使用FFT的数据数组(大小为128)。我试图通过FFT频谱找到数据的频率。问题是公式freq = i * Fs / N似乎不起作用。我的数据非常嘈杂，我不知道这是因为我的数据嘈杂还是因为我做了其他错误的事情。以下是我的原始数据：
这是从变换中得到的光谱：
在输出数组中，我在索引4和128处得到了两个大小相等的最大峰值。数据的频率应该在1.1333 Hz左右，但当我使用公式时，我得到了5-6或完全错误的值：
freq = i * Fs / N;
其中i是最大幅度峰值的数组索引，Fs是以Hz为单位的采样率，N是数据大小。
使用我的数据，您得到的freq = (4 *
浏览 2提问于2015-11-06得票数 0
1回答
主成分分析问题
、、、、
我不确定这里是不是正确的地方，但我要说的是：
我有一个300张高分辨率图片的数据库.我想在这个数据库上计算PCA，到目前为止，我所做的是：-将每幅图像重塑为一个单列向量--创建一个所有数据的矩阵(500x300) --计算平均列并将其减去到我的矩阵中，这给了我X--计算相关系数C = X'_X (300x300) --找到C的特征向量V和特征值D-- PCA矩阵由X_V*D^-1/2给出，其中每一列都是一个主分量。
这是很好的，并给我正确的组成部分。
现在我要做的是在同一个数据库上做同样的PCA，除了图像的分辨率更低。
这是我的结果，左边是低分辨率，右边是高分辨率。你能看到它
浏览 1提问于2011-08-12得票数 6
回答已采纳
我一直在阅读关于时间序列分解的文章，并且对它在简单示例中的工作方式有很好的了解，但在扩展这些概念时遇到了困难。
例如，我正在处理的一些简单的合成数据：
因此，没有与此数据相关的实际时间。它可以每秒钟或每年取样一次。无论采样频率如何，周期约为160个时间步骤，并将其用作period参数，得到预期的结果：
# seasonal=13 based on example in the statsmodels user guide
decomp = STL(synth.value, period=160, seasonal=13).fit()
fig, ax = plt.subplots(3
浏览 1提问于2021-02-05得票数 2
1回答
消除时间序列预测中的季节性
、、、、
在时间序列预测中，我们去除了“季节性”成分，以便更好地拟合模型，并有更好的预测能力。但是为什么呢？如果我给出一个极端的例子:如果我有一个罪恶的波，我不会移除它的季节性成分。因为它本身的结构更容易预测(因为它有一个易于识别的模式)。我说错了吗？
浏览 0提问于2022-04-27得票数 2
回答已采纳
我有数据和与之相关的时间‘值’(Tx和X)。
如何对数据执行快速傅立叶变换。
Tx是我拥有的数组，X是我拥有的另一个数组。两个数组的长度当然是相同的，并且它们由Txi与Xi关联，其中i从0到len(X)。
如何对这些数据执行fft，以最终获得|fft|^2的功率谱密度图频率。
浏览 2提问于2012-11-30得票数 2
我正在寻找一些关于如何在MATLAB中压缩时间序列数据的建议。
我有一些瞳孔大小的数据集，这些数据是在1秒内收集的，每次试验有25,000个点(我仍然不确定将这些数据称为“时间序列”是否合适)。从现在开始，我想要做的是将它们与另一个数据进行比较，我需要将点数压缩到大约10,000或更少，以最小化信息的损失。有什么方法可以做到这一点吗？
我试着搜索如何做到这一点，但我所能找到的是平滑数据或压缩数字图像的方法，这些方法已经完成或对我没有用处。
·数据集只由瞳孔直径组成，随着时间的推移而变化。对于每个试验，在1秒内收集了25,000个点的数据，这意味着1个点表示测量了0.04毫秒的瞳孔直径。我想要做
浏览 2提问于2011-11-19得票数 2
1回答
假设我有从1951年到1980年的100个站点的年降水量数据。在一些论文中，我发现人们将PCA应用于时间序列，然后绘制空间负载图(值从-1到1)，还绘制PC的时间序列。例如，中的图6是PC的空间分布。
我正在使用R中的函数prcomp，我想知道如何才能做同样的事情。换句话说，如何从prcomp函数的结果中提取“空间模式”和“时间模式”？谢谢。
set.seed(1234)
rainfall = sample(x=100:1000,size = 100*30,replace = T)
rainfall=matrix(rainfall,nrow=100)
colnames(rainfall)=19
浏览 1提问于2016-12-08得票数 11
回答已采纳
2回答
JPG压缩和噪声
、、、
我正在研究jpeg压缩，它似乎是通过减少图像中的高频成分来工作的。由于噪声通常是高频的，这是否意味着jpeg压缩在一定程度上可以降低图像中的噪声？
浏览 8提问于2016-01-09得票数 3
1回答
我有一组信息，每个消息都有一个到达时间戳。我想分析一下这一套，并确定信息到达的周期。(有了这些信息，我就可以在某种程度上肯定地检测到后续消息的延迟或丢失。)因此，离散傅里叶变换似乎是从集合中提取频率的合理选择。
然而，我所看到的关于离散傅里叶变换的所有解释，都是从有限的采样值开始的，采样的频率是恒定的。而我所拥有的只是一组值(单调地增加时间戳值)。
转换为时间序列数据？
我想过选择一个小的分辨率--例如一秒钟--然后产生一个时间序列，从第一条消息的时间开始，通过当前的实时，在每个时间点产生相应的值(0,1)。(大部分为零，每条消息到达时都有1。)
更多细节
我有很多集:我需要多次执行这个计算，
浏览 0提问于2013-10-04得票数 2
回答已采纳
1回答
我有下列定期数据，其周期为2000年：
我试图发现数据的周期和第一个峰值的偏移量。我有以下FFT函数来执行傅里叶变换：
typedef double _Complex cplx;
void _fft(cplx buf[], cplx out[], int n, int step){
if (step < n) {
_fft(out, buf, n, step*2);
_fft(out+step, buf+step, n, step*2);
for(int i=0; i<n; i+=step*2) {
浏览 0提问于2019-09-19得票数 0
回答已采纳
2回答
频率参数在ts中的作用
、、、、
ts()函数如何使用其frequency参数？将错误的值指定为frequency会有什么影响
我正在尝试使用1.5年的网站使用数据来建立一个时间序列模型，这样我就可以预测未来一段时间的使用情况。我每天都在使用数据。这里的frequency应该是多少-7、365或365.25？
浏览 0提问于2014-11-03得票数 3
1回答
我正在对不同的时间序列进行PCA，然后使用K均值聚类来尝试并将共同的因素组合在一起。
我面临的问题是，一些因素进出时间序列。例如，我可能总共有12年的数据点，有些因素可能在整个12年中存在，但有些因素可能会出现或下降(前两年是活跃的，三年是不活跃的，其余的是活跃的)。
我可以使用迭代PCA来填补数据中的一些通常的空白，但是我不知道应该使用什么来处理大块(数年)的数据缺口。例如，如果一个因素只存在于最后三年，我是否应该将其纳入分析？
浏览 0提问于2018-05-17得票数 3
3回答
假设我有一个c#列表，其中包含三个随机数 x ->200...300、y->100...150和z->100..300作为条目，类似于rows=200 and cols=3
x y z
210 106 220
200 120 134
220 150 230
280 120 136
204 110 270
260 120 184
209 110 209
210 110 134
...
我读到，一个低通滤波器只是平滑的结果，以消除高频。最简单的低通滤波器是一个盒子滤波器，它是通过平均n个样本来完成的。要将两个样本平均在一起，这非常简单：
sample[n] (sampl
浏览 9提问于2013-09-20得票数 1
回答已采纳
2回答
我发布了一个Azure网站工作，这是很好的工作，但我想改变排定的时间为分钟。我找不到在传送门里把它改成分钟的选项。
有办法改变这种状况吗？
浏览 5提问于2015-07-23得票数 8
回答已采纳
我有一个时间序列对象，如下所示(对不起，我不知道如何更好地格式化它)：
二月一日三月四月五月六月七月八月九月
2010年0.051495184 0.012516017 0.029767280 0.046781229 0.041615717 0.002205329 0.056919026 -0.026339813 0.078932572
它包含2010 m01至2014m12的数据，如下所示：
时间序列:开始= 673结束= 732频率=1
0.01241940 0.01238126 0.01234626 0.01227542 ..。
他们有相同数量的观察结果。但是，当我试图删除
浏览 2提问于2015-03-22得票数 0
回答已采纳
3回答
时间序列的频率是什么意思？我从2016年05月1日至2017年5月31日期间对能源消耗进行了数据观测，每天有96个数值。在这种情况下，时间序列的频率是多少？
浏览 0提问于2017-07-11得票数 3
我有两个numpy数组light_points和time_points，我想对这些数据使用一些时间序列分析方法。
然后我尝试了一下：
import statsmodels.api as sm
import pandas as pd
tdf = pd.DataFrame({'time':time_points[:]})
rdf = pd.DataFrame({'light':light_points[:]})
rdf.index = pd.DatetimeIndex(freq='w',start=0,periods=len(rdf.light))
浏览 0提问于2015-12-28得票数 16
回答已采纳
1回答
我应用了隔离森林算法来识别我的时间序列中的异常数据。现在，我想在将这些离群值送入机器学习模型之前替换它们。我们如何在时间序列分析中替换这些异常值？
浏览 9提问于2021-07-23得票数 0
1回答
我有一个包含半年度(半年)数据点的时间序列。
看起来ts()函数不能处理这个问题，因为"frequency = 2“返回了一个非常奇怪的时间序列对象，它远远超出了实际的时间段。
有没有办法在R中对这种时间序列对象进行时间序列分析？
编辑:下面是一个例子：
dat <- seq(1, 17, by = 1)
> semi <- ts(dat, start = c(2008,12), frequency = 2)
> semi
Time Series:
Start = c(2013, 2)
End = c(2021, 2)
Frequency = 2
[1]
浏览 4提问于2017-09-25得票数 2
1回答
我有一个列表，其中包含几个不同长度和不同频率的时间序列。与此类似的东西： library(tstools)
list <- list(ts(runif(200), end = c(2021,1), frequency = 12),
ts(runif(150), end = c(2021,1), frequency = 12),
ts(runif(75), end = c(2021,1), frequency = 4),
ts(runif(100), end = c(2021,1), frequenc
浏览 16提问于2021-04-01得票数 0
回答已采纳
我一直在尝试用Web Audio API制作一个数字合成器，但我遇到了一些障碍。我正在尝试给一个复调合成器添加一个信封，但是我似乎做不对。我几乎尝试了linearRamptoValueAtTime，exponentialRamptoValueAtTime，setTargetAtTime等的每一种组合。我最终还是会听到这些恼人的弹出声和点击声。我觉得我已经阅读了关于这个主题的所有教程和帖子，但我显然做错了什么。
这是我目前攻击和释放的代码。
攻击：
let osc1Vol;
keyboard.keyDown = function(note, freq) {
let now = audio
浏览 2提问于2017-11-10得票数 0
我调查了不同的情况，但不明白我要选择什么。我的代码也在工作，但我的预测看起来很奇怪，只有2条平行线。我有一个LSTM自动编码器用于时间序列的回归。自动编码器，因为我需要缩小尺寸。Mydata类似于：400个示例，每个样本包含5.000行，.I将它们连接到一个数组中。(在实际样品之间，我有5分钟)。如何为模型选择时间步骤？是(400,10,5000)吗?有谁能给我一个建议，并举例说明一下批次的大小吗？
浏览 0提问于2018-04-25得票数 0
回答已采纳
我的意思是在O(k log(n))时间内找出芬威克树中kth最小的实际频率。
如果我的数据是：
Tree = [1,3,1,10,3]
Actual frequency = [1,2,1,6,3]
所以第二个最小的元素应该在索引1处。
浏览 2提问于2013-07-13得票数 4
回答已采纳
1回答
我愿意将傅立叶变换应用于时间序列数据，将数据转换为频域。我不确定我应用傅里叶变换的方法是否正确？下面是我使用过的数据的。
在读取数据文件之后，我使用
t = np.linspace(0,55*24*60*60, 55)
s = df.values
sns.set_style("darkgrid")
plt.ylabel("Amplitude")
plt.xlabel("Time [s]")
plt.plot(t, s)
plt.show()
由于数据在每日频率上，我使用24*60*60将其转换为秒，使用55*24*60*60将其转换为55天
图如
浏览 2提问于2018-11-05得票数 8
4回答
R次串联频率
、、
我有一个时间序列数据集，其中包括374天的数据点(每天1个数据点)。我很难理解ts函数中的频率参数，所以我把它空了起来：
ts_0615391206 <- ts(demand_rev_0615391206$estimated_demand,
start=as.Date(min(demand_rev_0615391206$date),format = "d%/m%/Y%"),
end=as.Date(max(demand_rev_0615391206$date),format = "d%
浏览 9提问于2015-03-31得票数 0
回答已采纳
1回答
我正在使用带有R的SVD包，并且我能够通过将最低奇异值替换为0来降低矩阵的维数。但是当我重组我的矩阵时，我仍然有相同数量的特征，我找不到如何有效地删除源矩阵中最无用的特征，以减少它的列数。
例如，我目前正在做的事情：
这是我的源矩阵A：
A B C D
1 7 6 1 6
2 4 8 2 4
3 2 3 2 3
4 2 3 1 3
如果我这样做了：
s = svd(A)
s$d[3:4] = 0 # Replacement of the 2 smallest singular values by 0
A' = s$u %*% diag(s$d) %*% t(s$v)
我得到了A
浏览 16提问于2014-05-23得票数 4
1回答
我在一份文件中读过以下一句，谈到短时傅里叶变换的缺点，他说：
缺点是，一旦您为时间窗口选择了特定的大小，该窗口对于所有频率都是相同的。
那么频率和窗口大小之间的关系是什么呢？如果信号的一部分含有高频成分，如果窗口的大小不够大，怎么能检测到这个频率呢？
此外，他还谈到了小波变换：
小波分析允许在需要更精确的低频信息的情况下使用较长的时间间隔，在需要高频信息的地方使用较短的区域。
我觉得答案在某种程度上与尼思率有关。
浏览 0提问于2015-03-08得票数 2
1回答
如何使用nco工具或任何其他netCDF工具包从netcdf中的某个维度减去特定值？
例如。
ncdump –v time –t file.nc
给了我：
time = 10, 11, 12, 13 …
如何从时间维度中的每个值中减去10，最终结果为：
time = 0, 1, 2, 3 …
浏览 1提问于2016-09-12得票数 1
回答已采纳
2回答
我是Python新手。我打算对一组离散点(时间、加速度)进行傅里叶变换，并绘制结果。
我复制和粘贴样本FFT代码，并相应修改。
请参阅代码：
import numpy as np
import matplotlib.pyplot as plt
# Load the .txt file in
myData = np.loadtxt('twenty_z_up.txt')
# Extract the time and acceleration columns
time = copy(myData[:,0])
# Extract the acceleration columns
浏览 9提问于2013-05-28得票数 1
回答已采纳
我有以下数据，我称之为"sales_df"：
Value
Date
2004-01-01 0
2004-02-01 173
2004-03-01 225
2004-04-01 230
2004-05-01 349
2004-06-01 258
2004-07-01 270
2004-08-01 223
... ...
2015-06-01 218
2015-07-01 215
2015-08-01 233
2015-09-01 258
浏览 1提问于2016-01-07得票数 4
回答已采纳
2回答
我有一个包含GPS坐标(纬度和经度)的数据集，一个时间戳变量和一个识别不同人的主题ID。我想探讨的是两件事：
找出主体之间共享的路线(或路线的一部分)，例如，人们从他们家所在的不同地方出发，然后沿着主要公路上班。
找相关的话题。与前一个相关，这些主题是相似的(例如，考虑到它们用于通勤的时间)
我查看了动态时间扭曲，如这里所示，但它没有考虑到，例如，主题可以来自不同的点(但共享一个片段)。
尝试实现K-方法，但我不确定如何定义我的质心(是否应该考虑时间)，就像在这里中讨论的那样，不确定相似性距离在这种情况下是否做出了正确的假设。
我查看了一些论文上的内容，但它们通常与预定义的点A和B一起工作，并
浏览 0提问于2018-12-22得票数 2
回答已采纳
1回答
我希望从JPEG图像中重建字符和图形基元。虽然JPEG变换是有损的，但由于原始图像是(可能)具有定义良好的基元的单色图像，因此可以在很大程度上进行重建。我希望算法或启发式可以提高信噪比。这是一个典型的例子：
我应用了Canny边缘检测算法，对数字的边缘进行了很好的识别，但这也包括噪声：
我试图通过将黑白以一半的强度合并来消除背景，这给出了：
去掉了背景，但轮廓较差。
我可以尝试启发式解决方案，但这将需要时间和武断，所以我想知道是否已经有解决方案。
注意：问题涉及到子像素渲染，这需要完全不同的方法。
浏览 0提问于2013-04-29得票数 0
回答已采纳
我正在做聚类工作，我有90个特征，有13500个数据点，去除了相关变量，其中皮尔逊相关性超过90%，我的特征空间减少到70个。而且，几乎所有我最初的90个特性都有大量的零值(超过70%-80%的数据点)。我在算法实现方面所做的是：
Ran K-通过根据轮廓指数选择聚类数来表示原始数据的70个特征(均为数字)。
Ran K-通过根据剪影索引选择簇数将维度降到2。
我所观察到的和我相应的问题是：
K-表示pca减少的数据提供了更好的聚类。有什么办法可以让我用这个集群来解释吗？就像从pca分配聚类标签一样，将数据减少到原始数据
原始数据上的K-均值和pca上的K-均值是如何不同的？我知道pca会将数
浏览 0提问于2020-01-21得票数 3
1回答
我有多变量的时间序列数据，我试图分解。数据每小时采样一次，间隔不规则，每天6次(freq = 6)，从2011到2017。
在将数据从xts()转换为ts()并进行绘图之后，我得到了以下图表：
我的季节性错误在哪里？如何在分解后将时间戳/索引从xts()，format="%Y/%m/%d %H:%M"保持在x轴上？
我的数据：
subset4 <- structure(list(DATE.AND.TIME.GMT = structure(c(1293873660, 1293888060,
1293902400, 1293916860, 1293931260,
浏览 0提问于2017-12-13得票数 2
回答已采纳
1回答
如何根据fft结果确定噪声频率？
、、、、
(1)我得到了一个具有以下标准的信号：
采样: 349频率: 3490频率步数:1最后轨迹: 4007
A信号的数据包含349个样本，收集的总数据为4007。采样频率被描述为谷歌搜索所描述的每秒采样的数量。但是，对于此信号，采样频率是等于3490 Hz还是等于(349x3490)Hz？
(2)我被要求对这个信号进行傅立叶变换，以确定这个信号的噪声。这是我从下面的代码中得到的结果：
clf;
a = importdata('A-scan.txt');
A = fft(a);
Aa = abs(A);
plot(Aa);
xlabel('frequency (bins)&#
浏览 1提问于2018-04-04得票数 0
1回答
我正在尝试分割一个信号的频带，我使用了巴特沃斯滤波器，它工作得很好，但我需要知道如何使用包来分割信号的频带。有什么帮助吗？？假设我需要将其分成3个频带(频带1-5 Hz，频带1:6- 10 Hz，频带1: 11 - 15 Hz)。
浏览 2提问于2015-05-09得票数 0
import numpy as np
import matplotlib.pyplot as plt
n = 500
T = 10
dw = 2 * np.pi / T
t = np.linspace(0, T, n)
x = 5 * np.sin(20 * t + np.pi) + 10 * np.sin( 40 * t + np.pi/2)
fftx = np.fft.rfft(x)
freq = np.fft.rfftfreq(n) * n * dw
amps = np.abs(fftx) * 2 / n
angs = np.angle(fftx)
_, ax =
浏览 1提问于2019-04-12得票数 1
回答已采纳
我有一个带有datetime索引的dataframe，其中数据被不规则地采样( datetime索引有间隙，即使在没有间隙的地方，样本之间的间隔也是不同的)。
如果我这样做了：
df‘’my column'.autocorr(my_lag)
这样行得通吗？autocorr知道如何处理不规则采样的日期时间数据吗？
浏览 47提问于2019-10-25得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
