我想使用离散傅里叶变换来识别销售动态并聚类相似的模式。然而,我在使用R方面还很新手,在寻找解决方案后,我找到了一个fft()程序,但不确定是否得到与DFT相同的结果。我想在图表上展示波形,然后使用算法聚类类似的销售动态。此外,我想知道是否可以使用fft过程转换所有时间序列,而不是逐个转换(因此建议R:在26周后转换新时间序列 - 查看数据库)。
这是我的数据库的一部分:http://imageshack.com/a/img854/1958/zlco.jpg,三列: 产品 - 表示产品组 周 - 自产品推出以来的时间(周),前26周 销售增益 - 产品销售如何随着周数变化
这是我的时间序列的样子:http://imageshack.com/a/img703/6726/sru7.jpg 我相信我最终可以使用fft()来实现这个目标,但从fft()的输出到我的目标的跃迁有点不清楚。
请注意,我对时间序列分析还比较新手(这就是为什么我不能在这里放置我的代码),因此,您提供的任何关于将fft()的输出放入上下文或任何可以有效完成此任务的软件包的澄清都将不胜感激。
这是我的数据库的一部分:http://imageshack.com/a/img854/1958/zlco.jpg,三列: 产品 - 表示产品组 周 - 自产品推出以来的时间(周),前26周 销售增益 - 产品销售如何随着周数变化
这是我的时间序列的样子:http://imageshack.com/a/img703/6726/sru7.jpg 我相信我最终可以使用fft()来实现这个目标,但从fft()的输出到我的目标的跃迁有点不清楚。
请注意,我对时间序列分析还比较新手(这就是为什么我不能在这里放置我的代码),因此,您提供的任何关于将fft()的输出放入上下文或任何可以有效完成此任务的软件包的澄清都将不胜感激。