机器学习实践笔记(二)EOF

最新推荐文章于 2024-10-22 22:39:43 发布

南巷旧梦

最新推荐文章于 2024-10-22 22:39:43 发布

阅读量3.3k

点赞数 3

分类专栏：人工智能文章标签：机器学习 python 数据分析算法气象

本文链接：https://blog.youkuaiyun.com/weixin_45743162/article/details/109136126

版权

EOF（Empirical Orthogonal Functions）是一种分析矩阵数据的方法，类似PCA。在气象研究中，通过对数据进行预处理，计算协方差阵并求解特征值和特征向量，可以提取主要数据特征。标准化用于处理不同变量间数据差异大的问题。本文重点介绍了EOF在气象数据中的应用及显著性检验。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、简单介绍:
EOF是一种分析矩阵数据中的结构特征，提取主要数据特征量的一种方法。EOF又名PCA.(嘿嘿先这么想,其实在python里就一个函数鸭,PCA可以额外写一篇进行解释,这里只写一下应用啦)。Lorenz在1950年代首次将其引入气象和气候研究。
2、原理
选定要分析的数据，进行数据预处理，通常处理成距平的形式。得到一个数据矩阵Xm×n.
数据大概就是这样的:这个原出处我也没找到,就是给大家看看数据格式。

图片来自https://blog.youkuaiyun.com/qq_23860475/article/details/80665289?biz_id=102&utm_term=eof%E5%88%86%E6%9E%90%E5%AE%9E%E6%88%98&utm_medium=distribute.pc_search_result.none-task-blog-2blogsobaiduweb~default-3-80665289&spm=1018.2118.3001.4187
(1)开始导入包

import pandas as pd
import numpy as np

(2)把数据转换成距平和把数据标准化。

line = np.mean(data,axis=1)
data = np.array(data)
line = np.array(line)
for i in range(line.shape[0]):
    data[i,:]=data[i,:]-line[i

最低0.47元/天解锁文章