时间序列数据的分段线性表示
本文思想来自:时间序列数据的分段线性表示
PLR算法以拟合误差为阈值,会出现两类问题:
- 采用累积误差进行分段的算法对短时间内大波动数据不敏感,分段效果差;
- 采用平均误差的分段算法在遇到长时间小波动数据后,对明显状态变化处理不敏感,各个子序列的开始与结束时间不精确。
即,由于采用累积误差或平均误差,对一些状态变化的拐点不敏感。
伪代码:
python代码:
def Select_Important_Points(T, R):X = []for i in range(0, len(T)):X.append((i, T[i]))vital_point = []vital_point.insert(0, X[0])index = 0for i in range(1, len(T) - 1):if T[i] > T[i - 1] and T[i] > T[i + 1]:if T[i] / T[index] > R:index += 1vital_point.insert(index, X[i])if T[i] < T[i - 1] and T[i] < T[i + 1]:if T[i] == 0 or T[index] / T[i] > R:index += 1vital_point.insert(index, X[i])index += 1vital_point.insert(index, X[len(T) - 1])return vital_point
然后直接对相邻特征点间的点进行直线拟合。
时间序列数据的分段线性表示相关推荐
- 分布滞后线性和非线性模型(DLNM)分析空气污染(臭氧)、温度对死亡率时间序列数据的影响...
全文下载链接 http://tecdat.cn/?p=23947 分布滞后非线性模型(DLNM)表示一个建模框架,可以灵活地描述在时间序列数据中显示潜在非线性和滞后影响的关联.该方法论基于交叉基的定义 ...
- python时间序列峰值检测_如何检测和过滤时间序列数据的峰值?
我有一个pandas用户登录数据框,如下所示:id datetime_login 646 2017-03-15 15:30:25 611 2017-04-14 11:38:30 611 2017-05 ...
- 通过 Python 代码实现时间序列数据的统计学预测模型
来源 | DeepHub IMBA 封图 | CSDN 付费下载于视觉中国 在本篇中,我们将展示使用 Python 统计学模型进行时间序列数据分析. 目标是:根据两年以上的每日广告支出历史数据,提前预 ...
- python平稳性检验_时间序列预测基础教程系列(14)_如何判断时间序列数据是否是平稳的(Python)...
时间序列预测基础教程系列(14)_如何判断时间序列数据是否是平稳的(Python) 发布时间:2019-01-10 00:02, 浏览次数:620 , 标签: Python 导读: 本文介绍了数据平稳 ...
- MITRE:利用微生物组时间序列数据推断与宿主状态变化相关的特征
文章目录 MITRE:利用微生物组时间序列数据推断与宿主状态变化相关的特征 热心肠日报 写在前面 主要结果 图1. MITRE通过对时间序列的微生物群落的系统发育信息进行学习,同宿主的状态改变联系起来 ...
- R语言ggplot2可视化:ggplot2可视化时间序列数据并在末尾数据点添加数值标签(number label)
R语言ggplot2可视化:ggplot2可视化时间序列数据并在末尾数据点添加数值标签(number label) 目录
- pandas中使用rolling.corr函数计算两个时间序列数据列之间的滚动相关性(Rolling correlations)、例如,计算两种商品销售额之间的3个月的滚动相关性
pandas中使用rolling.corr函数计算两个时间序列数据列之间的滚动相关性(Rolling correlations).例如,计算两种商品销售额之间的3个月的滚动相关性 目录
- excel中使用CORREL函数计算两个时间序列数据列之间的滚动相关性(Rolling correlations)、例如,计算两种商品销售额之间的3个月的滚动相关性
excel中使用CORREL函数计算两个时间序列数据列之间的滚动相关性(Rolling correlations).例如,计算两种商品销售额之间的3个月的滚动相关性 目录
- R语言ggplot2可视化:使用长表数据(窄表数据)( Long Data Format)可视化多个时间序列数据、在同一个可视化图像中可视化多个时间序列数据(Multiple Time Series)
R语言ggplot2可视化:使用长表数据(窄表数据)( Long Data Format)可视化多个时间序列数据.在同一个可视化图像中可视化多个时间序列数据(Multiple Time Series) ...
最新文章
- ASP.NET十七种正则表达试
- python面向对象图片_Python面向对象-概念、类、实例
- 桐花万里python路-基础篇-01-历史及进制
- Docker基本命令与使用 —— Docker容器(一)
- 我需要一个高并发的架构,我的系统要改造成微服务吗
- 作者:肖戎(1974-),女,广东省地方税务局高级工程师、副处长。
- 怎样找回由于IO设备错误移动硬盘的文件
- SpringBoot注解分析
- 基于java的教学评价系统的设计与实现
- BP反向传播算法推导
- SaaSpace:11种最佳免费会计软件工具
- View事件分发相关结论的源码解析
- 新媒体推广:一篇文章学会全平台信息流优化 !你get到了吗? | 黎想
- python 爱心名字代码_python写心形名字
- ANT 下载,ant的配法 整理
- 沈阳市房地产市场信息系统数据容灾与异地备份
- DiskGenius 恢复文件
- 微信公众号之接入服务器
- 微信公众平台教程--关键词自动回复
- 无约束多维极值求解思路