傅里叶变换作为python中的降维技术答案

【问题标题】：fourier transformation as a dimensional reduction technique in python傅里叶变换作为python中的降维技术
【发布时间】：2018-10-11 18:34:47
【问题描述】：

我的数据集有 2000 个属性和 200 个样本。我需要减少它的维度。为此，我尝试使用傅立叶变换作为降维方法。当我将数据作为输入提供时，傅立叶变换会返回离散傅立叶变换。但我不知道如何使用它进行降维。

from scipy.fftpack import fft
import panda as pd

price = pd.read_csv(priceFile(), sep=",")
transformed = fft(price )

你能帮帮我吗？

【问题讨论】：

这与编程关系不大，与 Python 关系更小。但一般来说，通过 fft 降低维度需要数据具有某些属性，例如强低频分量（即样本之间的缓慢变化）。在这种情况下，有可能在变换后只保留有限数量的 fft bin，而其他接近零的 bin 则被丢弃。
改用 PCA。

【解决方案1】：

如果您的样本都是时间序列，则傅里叶变换最适合。如果是，您可以从transformed 中提取每个样本的频域特征。以下是您可以考虑的时域和频域常见特征列表 (reference)：

【讨论】：

【解决方案2】：

假设您有一个包含 2000 个属性和 200 个样本的 Pandas 数据框：

import numpy as np
df = pd.DataFrame(np.random.randint(0,100,size=(200, 2000)))

要使用 scipy 降低维度，您可以通过首先设置所需的维数 (n_dimensions) 并调用 scipy 函数 (fft）。

首先我们调用函数并将其定义为fft

from scipy.fftpack import fft

然后我们设置维度的数量，在这种情况下我们将分配 1 个维度

n_dimensions = 1

然后我们调用函数，我们首先添加我们的数据框和维数。

transformed_data = fft(df,n=n_dimensions)

如果我们想处理实数，你可以转换数组

df = df.real

【讨论】：