我正在試驗以決定是否與自身相關的時間序列（如在，一個浮點列表）。我已經在statsmodels（http://statsmodels.sourceforge.net/devel/generated/statsmodels.tsa.stattools.acf.html）中使用了acf函數，現在我正在研究Durbin-Watson統計是否有任何價值。 好像這種事情應該工作： from statsmod
我有一個數據，包括不同的類型： a <- data.frame(x=c("a","b","b","c","c","c","d","d","e","f"),y=c(1,2,2,2,3,1,4,7,10,2),m=c("a","d","ab","ac","ac","vc","ed","ed","e","df"),n=c(2,1,5,3,3,2,8,10,10,1))
實際上，該數據比這更復雜，可能
我有一個矩陣X，我試圖用KNN和皮爾遜相關性度量。是否有可能使用皮爾遜相關性作爲sklearn度量標準？我已經試過這樣的事情： def pearson_calc(M):
P = (1 - np.array([[pearsonr(a,b)[0] for a in M] for b in M]))
return P
nbrs = NearestNeighbors(n_neigh