통계 문헌에는 " 기능적 데이터 "(즉, 곡선 인 데이터) 및 " 고차원 데이터 "(즉, 데이터가 고차원 벡터 인 경우)에 대한 많은 참조가있다. 내 질문은 두 가지 유형의 데이터의 차이점에 관한 것입니다.
사례 1에 적용되는 통계적 방법론에 대해 이야기 할 때 사례 2의 함수론을 유한 공간 부분 공간으로의 투영을 통한 방법론의 표현으로 이해할 수 있습니다. 그리고 함수 문제를 유한 차원 벡터 문제로 해석 할 것입니다 (적용된 수학에서는 모든 것이 유한하기 때문에).
내 질문은 : 기능 데이터에 적용되는 통계 절차를 고차원 데이터에도 (거의 직접) 적용 할 수 있고 고차원 데이터 전용 절차는 기능 데이터에 (거의 직접) 적용 할 수 있다고 말할 수 있습니까?
대답이 '아니요'인 경우 설명 할 수 있습니까?
Simon Byrne의 답변을 사용하여 편집 / 업데이트 :
- 희소성 (S- 스파 스 가정, 공 및 대한 약한 공 )은 고차원 통계 분석에서 구조적 가정으로 사용됩니다.
- "부드러움"은 기능적 데이터 분석에서 구조적 가정으로 사용됩니다.
한편, 역 푸리에 변환 및 역 웨이블릿 변환은 희소성을 평활도로 변환하고, 평활도는 웨이블릿 및 푸리에 변환에 의해 희소로 변환된다. 이것은 Simon이 언급 한 비판적 차이를 그렇게 비판적으로 만들지 않습니까?