收敛交叉映射CCM学习记录(1)

今天发现了一个问题,在rEDM的帮助文档里,它说CCM()函数会产生一个数据框,第一列是库的长度,第二三列是相关系数,“第二列是从Y中预测的X,第三列是从X中预测的Y”。这就意味着在第二列中:第二列是X的预测值与X的观测值之间的相关系数,也就是说假设X是原因,Y是结果,因为只有这样的因果方向,才会从Y中预测X。

However,在它的鱼类和温度的示例里,和上述文字描述截然相反

data(sardine_anchovy_sst)
df <- CCM( dataFrame=sardine_anchovy_sst, E=3, Tp=0, columns="anchovy",
target="np_sst", libSizes="10 70 10", sample=100 )
df
 #LibSize anchovy:np_sst np_sst:anchovy
#1      10      0.1057165    -0.03350884
#2      20      0.1467477    -0.04642011
#3      30      0.1483597    -0.04260756
#4      40      0.1884354    -0
  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pyEDM是一个Python库,用于执行经验动力学分析(EDA)中的各种方法,其中包括收敛交叉映射CCM)和显著性检验。CCM是一种非线性数据分析方法,用于确定两个时间序列之间的因果关系。显著性检验用于确定CCM结果的可靠性。 要使用pyEDM执行CCM和显著性检验,需要执行以下步骤: 1. 从pyEDM库导入CCM模块和Significance模块。 2. 加载要分析的时间序列数据,可以使用pandas或numpy等Python库加载CSV或其他格式的数据文件。 3. 使用CCM模块执行CCM分析,指定参数,例如嵌入维度和时间延迟。 4. 使用Significance模块执行显著性检验,指定参数,例如置信水平和重复次数。 以下是一个简单的示例代码,用于执行CCM和显著性检验: ``` import pandas as pd import numpy as np from pyEDM import CCM, Significance # 加载时间序列数据 data = pd.read_csv('data.csv') # 执行CCM分析 CCM_output = CCM( dataFrame = data, E = 3, Tp = 1, columns=['column1', 'column2'] ) # 执行显著性检验 Significance_output = Significance( Result = CCM_output['Prediction'], E = 3, Tp = 1, columns=['column1', 'column2'], TestType='Randomization', Sample=100 ) ``` 这个示例代码加载了一个名为data.csv的数据文件,其中包含两列名为column1和column2的时间序列数据。然后,它使用CCM模块执行了CCM分析,指定了嵌入维度为3,时间延迟为1。最后,它使用Significance模块执行了显著性检验,指定了置信水平为95%,重复次数为100。 请注意,此示例代码仅用于演示目的,并且需要根据您的实际数据和参数进行修改。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值