python - 将数据表示为傅里叶变换或高次多项式？

Question

我正在处理恒星光曲线(.fits 文件包含 4000 个时间数据点与恒星亮度，请参阅图形以了解一些具有不同周期的示例)。我需要以一种允许我通过机器学习对它们执行无监督聚类的方式来表示/拟合这些光曲线。有人建议我使用高次多项式表示(p=30...最多几百)或在光曲线上使用傅里叶变换。我发现 numpy.polyfit 具有高 p 次的多项式拟合不能提供良好的拟合，并且我收到警告“RankWarning:Polyfit 可能条件较差”。也许我应该尝试傅里叶变换，但我不熟悉而且听起来很复杂。

为了机器学习聚类，我可以/应该如何表示/拟合这些数据？我可以使用 p>30 的 np.polyfit 获得良好的结果吗？

Answer 1

对于具有明显“季节性”循环的事物，傅里叶变换似乎更合适。

想象一下您获得了更多数据。您希望表示是稳定的，并且在某种程度上可以预测这种明显的时间模式。多项式不能很好地做到这一点，它可能一直需要新的项。

但是当然还有其他选择:DCT、小波等 - 有完整的书籍介绍处理此类数据。