主成分分析PCA(Principal Component Analysis) 消除趋势波动分析DFA(Detrended Fluctuation Analysis)

PCA分析
在用统计分析方法研究多变量的课题时,变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较多。在很多情形,变量之间是有一定的相关关系的,当两个变量之间有一定相关关系时,可以解释为这两个变量反映此课题的信息有一定的重叠。主成分分析是对于原先提出的所有变量,将重复的变量(关系紧密的变量)删去多余,建立尽可能少的新变量,使得这些新变量是两两不相关的,而且这些新变量在反映课题的信息方面尽可能保持原有的信息。

设法将原来变量重新组合成一组新的互相无关的几个综合变量,同时根据实际需要从中可以取出几个较少的综合变量尽可能多地反映原来变量的信息的统计方法叫做主成分分析或称主分量分析,也是数学上用来降维的一种方法。

DFA分析
DFA 方法的一个优点是它可以有效地滤去序列中的各阶趋势成分, 能检测含有噪声且叠加有多项式趋势信号的长程相关, 适合非平稳时间序列的长程幂律相关分析。


发表于:2017-10-10 09:45:30

原文链接(转载请保留): http://www.multisilicon.com/blog/a22264912.html

友情链接: MICROIC
首页