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）
欢迎加入QQ群-->： 979659372
](http://dx.doi.org/10.5281/zenodo.46216){kind=link}