**我在你的情况下提出的一件事（有数据点作为时间序列），是使用相关性度量（低分数意味着你的特征之间的低关系：**在你的情况下，你实际上有3个特征（时间，红色趋势，蓝色趋势），当然趋势作为平均点。
**这里的重要问题是，使用什么相关性度量？**基于this website, by Jason Brownlee PhD，因为你的特征都是数值，可能存在非线性关系，你最好使用斯皮尔曼相关系数。但它永远不会伤害使用皮尔逊以及。

您还可以看到何时使用其他方法（即，ANOVA）在网站上以前的。

作为实施的例子

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

t = np.linspace(1, 20, 100)
x = np.sin(np.exp(t))
y = np.cos(np.exp(t))

plt.plot(t, x)
plt.plot(t, y)

res1 = stats.spearmanr(x, y)
print(res1)
# SpearmanrResult(correlation=-0.01120912091209121, pvalue=0.9118658174696723)

res2 = stats.pearsonr(x, y)
print(res2)
# (-0.016667117318862758, 0.8692689697764168)

只要你的相关性接近于零，那么你的特征之间就应该没有关系。

**在你自己的测试中，请注意p值，**在我的例子中，p值很高，这在统计上是不显著的（由于手动生成数据），如果你设法得到p值< 0.05，你的结果将是统计上显著的。