Biorąc pod uwagę niektóre dane XY, gdzie X jest nierównomierną zmienną niezależną i Y zmienną zależną Powiedzmy, że dane pochodzą z fizycznego eksperymentu Chciałbym wygładzić te dane za pomocą filtru przebiegu gładkiego walcowania Jak postępować. w tym przypadku stosuje się ten sam filtr na Y i X, ale nie jestem pewien, czy jest to statystycznie poprawne Myślę, że jest oczywiste, że nie mogę po prostu stosować normalnej średniej bieżącej na Y tylko ze względu na nierównomierne rozstaw niezależnej zmiennej Filtrowanie zmiennej niezależnej ma również tę zaletę, że mogę łatwo korzystać z okien o równej wielkości bez wprowadzania opóźnienia w prowadzeniu. Alternatywnie myślę, że interpolacja danych w regularnej sieci, ale tak właśnie czuję, że zmieniając próbkowanie moich danych , I rzeczywiście generować sztuczne punkty danych pomiarów, które mają taką samą wagę, jak rzeczywiste pomiary, które uważam za dziwne. Jest to właściwy sposób na zastosowanie filtra, np. Średniej w tym przypadku. Niektóre z mojego powodu jest e following W eksperymencie fizycznym każda zmienna jest eksperymentem, więc jeśli gładka jedna zmienna, powinienem również wygładzać inną zmienną Ponieważ to, co jest zależne i niezależne, jest tylko punktem widzenia. jak przykładem jest oczywiste, że tylko wygładzanie Y daje nieracjonalne wyniki, podczas gdy wydaje się, że wygładzanie X i Y reprezentuje oryginalne dane znacznie lepsze. Lubię używać średniej ważonej w tym przypadku Wszystkie uśrednione średary są ważone, ale jeśli nie jest to wyraźne odważniki są takie same, że niekoniecznie użyjemy ten sam filtr w zakresie, jaki byłby w domenie Jeśli chcesz, aby środki bliskie razem, aby nie ważyć tyle, ile ważąc je odległością do najbliższego sąsiada mogą pracować średnio na odległość do najbliższych 3 sąsiadów Dlaczego klastrowanie wykazuje się wygładzaniem zabawy EngrStudent Mar 5 w 14 08.Czy możesz dostarczyć mały przykładowy zestaw danych, aby zilustrować to, o co pytasz Dlaczego miałbyś przeciętną średnią cokolwiek gung 5 marca na 14 19. Pracuję jako statystycznie konsultant dla życia Nie pamiętam kiedykolwiek widząc kogoś, kto prowadzi średnio na swoich danych, jak powtarzasz Czy masz po prostu nadzieję na dodatkową zbędną pracę przed rozpoczęciem analizy Dlaczego nie zawsze dodać sqrt pi do wszystkich danych XY Dlaczego nie Dlaczego powinieneś traktować je inaczej Chyba istnieje jakiś powód, dla którego chcesz zrobić ten gung Mar 5 w wieku 14 34. Solidna wersja lessu, która przypisuje mniejszą wagę do wartości szczytowych w regresji Metoda ta przypisuje wagę zero do danych poza sześcioma średnimi odchyleniami bezwzględnymi. yy gładki y, zakres, metoda określa zakres metody dla zakresu Dla metod lessowych i lowess, zakres jest procentem całkowitej liczby punktów danych, mniejszej lub równej 1 Dla średnich ruchów i metod Savitzky-Golay zakres musi być nieparzysta równa rozpiętość jest automatycznie redukowana przez 1.yy gładki y, sgolay, stopień używa metody Savitzky-Golay z wielomianem stopnia określonego stopniem. yy gładki y, zakres, sgolay, stopień używa liczby punktów danych określonych przez zakres wPrzedział obliczeniowy Savitzky-Golay musi być nieparzysty, a stopień musi być mniejszy niż span. yy gładki x, y dodatkowo określa dane x Jeśli x nie jest podane, metody wymagające x danych przyjmują x 1 długość y Należy podać dane x, jeśli nie jest równomiernie rozmieszczone lub posortowane Jeśli x nie jest jednorodny i nie określono metody lowess Jeśli metoda wygładzania wymaga sortowania x, sortowanie odbywa się automatycznie. gpuarrayYY gpuarrayY wykonuje operację na GPU Wejście gpuarrayY jest wektorem kolumny gpuArray Wyjściowa gpuarrayYY to wektor kolumny gpuArray Ta składnia wymaga zastosowania narzędzia Parallel Computing Toolbox. Uwaga Możesz używać wejść x i y gpuArray z płynną funkcją, ale jest to zalecane tylko z domyślną metodą, przenoszenie Używanie danych GPU z innymi metodami nie oferuje jakąkolwiek zaletą. Wybierz swój kraj. Rozwiążę problem rozproszenia i rozproszenia, gdzie zmienna rozwiązania jest w większości płaska, z wyjątkiem małego obszaru w pobliżu centrum domeny, w którym istnieją które chciałbym wygenerować siatki twarze dla skończonych objętości komórek 1D poniżej, gdzie komórki są skupione w centrum domeny. Nie próbowałem ruchomych lub adaptacyjnych siatki, ponieważ dla tej aplikacji, będzie to overkill po prostu chcę statyczna, ale niejednorodna siatka Byłoby to proste na powierzchni, ale znalazłem to trudne i chciałbym trochę porad. Używam następującego podejścia Ujednolicona dystrybucja powierzchni komórek jest określona przez, x sumy sumy N hn gdzie h jest stały odstęp siatki. Aby wygenerować klastery niejednorodne płaszczyzny komórkowe, planuję po prostu podzielenie jednolitej sekwencji siatki przez funkcję gęstości siatki rho Na przykład x sumy sumy Nfrac. Zmniejszenie funkcji gęstości siatki z ciągłym dodawaniem, tak aby nie stając się osobliwym, gdy jest używany jako mianownik, pozwala gęstości siatki zwiększyć się w pobliżu szczytu krzywej. Z tego podejścia mogę następnie wygenerować następujące siatki Zwróć uwagę, jak punkty siatki zaczynają się od stałych odstępów, ponieważ rho 1, następnie początkowo zacząć rozwijać, a następnie kontrakty wokół punktów centralnych mam plamki odległość między punktami niebieską linię, aby podkreślić problem. I wolałbym, jeśli odstęp między siatką didn t wzrost powyżej minimalnej wartości h Czy istnieje sposób na zachowanie tej właściwości To wydaje się, że może potrzebować funkcji szczytowej zerowej drugiej pochodnej Czy możesz zaproponować lepszą funkcję gęstości siatki dla tego problemu.
No comments:
Post a Comment