问题标签 [inverse-transform]

WPD = 小波包分解

嗨，亲爱的 Stack Overflow。我对我的时间序列数据有疑问。

我的数据是机器或机床中轴承的振动。

我们知道 WPD 作为一个滤波器工作，如果我们应用 level.2 WPD，它被分为 4 个频段

许多研究使用小波变换结果

但我认为如果我们对信号应用小波变换，结果就是尺度域（时域->尺​​度域，因为小波变换）

这不是我们想要的确切结果。

我们应该在时域而不是尺度域中分析信号

所以在 WPD 之后，逆小波变换应该应用于划分的小波变换结果

那正确吗？

摘要：我有两个问题是：

1. 通过逆变换在时域中分析 WPD 结果的尝试是否不正确？

2. 如果分析不正确，有什么问题呢？

让随机变量 X 具有 pdf f(x) = 1/4 ；0<x<1 , f(x) = x - (3/4) ; 1=<x=<2 从 f(x) 生成一个随机变量

1. 使用逆变换方法
2. 使用建议密度 g(x) = 1/2 ；0=<x=<2

有人可以引导我完成这个问题的 R 编码吗？

缩放目标值时，我无法解释我的 MSE。使用 MinMaxScaler，目标值被缩放。

当我使用模型评估测试数据时，损失接近模型的最后一个 EPOCH 损失。然后我使用 predict 来获得测试损失，并且一切正常（至少是一致的）。

最后，为了获得 ACTUAL 损失，我在缩放损失值上使用了 inverse_transform，我得到了预期的损失。

我似乎无法理解和“工作”的是我的预测（我认为）的 inverse_transform 应该给我我的实际损失（未缩放）并且与上面类似，但事实并非如此。

**下面使用 SKLEARN 住房数据集的完整代码段**

我正在为时间序列数据实现 ARIMA 模型。由于数据不是固定的，我正在执行数据转换日志并对数据执行指数衰减。

记录数据

然后执行对数序列的指数衰减

与对数系列 (passenger_log) 相比，ADCF 测试显示指数衰减系列 (passenger_expdecay) 的结果更好。

我想使用指数级数作为 ARIMA 模型的输入，但我不知道如何执行此 ewm 函数的逆运算，以便在预测后我可以执行逆变换以获得原始值。

任何人都可以帮助执行指数加权（ewm）函数的逆变换吗

mod 543 中 154的倒数是 67，我的代码告诉我它是 58。这是我的 Python 代码：

在 Matlab 中，我想象征性地计算以下函数的傅里叶逆变换：

但不可能得到结果：

这个函数的傅里叶逆变换真的没有明确的公式吗cf

编辑

我尝试使用 sum 和 product with log 以其他形式表达cf函数：

和。N=60_A=ones(1,N)

但是当我申请 FT 时，我得到：

这里有什么问题？

我正在用数据集做一个基于 LSTM 的模型。我使用标准化方法将我的数据放在区间 (0, 1) 中，如下所示：

在标准化之后，我重塑我的数据以获得：

该模型有效并且我得到了预测，但是当我想要inverse_transform我的数据时，我得到以下错误：

ValueError：形状 (1000,1) 的不可广播输出操作数与广播形状 (1000,5) 不匹配

所以我通过更改与我的变量对应的名称来尝试这个示例代码：

但我在第 2 行收到此错误：

ValueError：无法将大小为 250000 的数组重塑为形状 (1000,5)

我在 python 中使用“lcapy”库来计算给定函数 H(z) 的 Z 逆变换。问题是 'IZT()' 的 h(n) 输出看起来像是用于显示的符号输出，我无法将其绘制或处理为 python 中的典型数组或数字。

一个例子是，当我只想为有限数量的 ns 绘制 h(n) 时，我收到以下错误： TypeError: float() argument must be a string or a number, not 'DiscreteTimeDomainExpression'

例如，如果有人指导我如何将h=H.IZT()的输出转换为n=1的典型数字，那就太好了。非常感谢您提前提供的任何帮助。

我创建了以下功能 -

应用上述功能后，我有以下输出，

以同样的方式，我也有其他分类列的输出。

但我想inverse_transform在部署中应用上述功能。所以我可以获得原始值，例如，

不幸的是，我无法做到这一点。

如果有人在这方面帮助我，将非常支持。

提前致谢

我是使用 scikit 的 Python ML 的新手。我正在研究一个解决方案来创建一个包含三列宠物、所有者和位置的模型。

现在，我使用标签编码器对整个数据帧进行编码。

现在，我将编码数组拆分为输入集（宠物和所有者）和输出集（位置）

然后，我创建了一个新的决策树分类器模型并拟合输入和输出集。

现在，我正在尝试使用新数据框的模型来预测位置。我正在使用与之前使用的相同的标签编码器。

有了这个，我期待看到“圣地亚哥”的价值。不确定，为什么我会得到“冠军”作为输出。

有人可以帮我解决这个问题吗？