时间序列分析的有限脉冲响应包。
fir的Python项目详细描述
#五阶卷积 firdecolution是一个python类,它对时间序列数据进行有限脉冲响应拟合,以估计与事件相关的信号。
示例用例包括fmri和瞳孔大小分析。该包使用numpy.linalg作为后端执行线性最小二乘分析,但可以在不同的后端之间切换,例如statsmodels(已实现)。对于非常共线的设计矩阵,岭回归是通过sklearn-ridgecv函数实现的。误差区域的bootstrap估计是通过残差重组实现的。
在事件中加入协变量不仅可以估计脉冲响应函数,还可以估计与二次变量相关的时间过程。此外,对于事件持续时间不同的设计,可以将每个事件应具有的持续时间添加到designmatrix中。
在神经科学中,对事件相关信号的检查,如用五阶卷积法估计的信号,对于彻底理解一个人的数据是必不可少的。研究人员在盲目进行glm分析时,可能忽略了数据中的基本模式,而不考虑脉冲响应形状。
测试笔记本解释了如何使用该软件包进行数据分析,方法是创建玩具信号,然后使用五阶卷积从玩具数据拟合脉冲响应函数。
##依赖关系 numpy、scipy、matplotlib、statsmodels、sklearn
待办事项 -时间自相关校正
[![doi](https://zenodo.org/badge/doi/10.5281/zenodo.46216.svg)](http://dx.doi.org/10.5281/zenodo.46216)