Python scikit学习PCA删除常见信号

传统上，主成分分析是用来降低维度的，我相信，但我想用它来消除趋势

我的使用案例是，我有很多时间序列的恒星亮度，并希望消除这些时间序列中存在的虚假信号。我相信PCA可以用来确定这些基函数，但是我如何才能从完整的数据集中删除它们呢

我试过了

pca = PCA(n_components=4)
pca.fit(lightcurves)

detrended = lightcurves / (pca.components_ * pca.explained_variance_ratio_)

PCA有可能做到这一点吗

例如，我有许多具有类似特征的时间序列，如下面的一个。每天晚上，这颗恒星都会朝着它在天空中所处位置的最高点变亮，然后变暗。每一个物体都会经历这样的过程，这是透过大气层观察的人工制品，所以PCA肯定能识别出来，这样它就能被移除

---

你能给出一个这种杂散噪声的例子和你想要的预期输出吗？这个问题可能更适合，因为它与编程没有直接关系。@Hooked谢谢你的建议，我添加了一个lightcurve示例。我知道它可能与您建议的堆栈交换板有关，但我要特别询问PCA的python实现以及如何使用它，而不是具体的概念。您的时间序列是否一致？我不确定PCA是否是这项工作的最佳工具，但您可以尝试使用transform并删除第一个组件，例如。但是你应该先看一下组件；