問題タブ [linear-regression]

私は次の問題を解決しようとしています：

たとえば、

フィールド内のすべての長方形の幅と高さを見つける必要があります。入力は実際には一度に1つの列であり（スキャナーが左から右に移動するように考えてください）、プログラムの期間中は継続します（つまり、スキャン列は移動しませんが、長方形はその上を移動します）。

この例では、「長方形が始まるのを待つ」（つまり、ゼロが1に変わるのを待つ）、次にそれが終わるのを見る（1がゼロに戻る）のを見て、「グリッド単位」でピースを測定できます。これは、上記の単純なケースでは問題なく機能しますが、長方形が斜めに傾いている場合は失敗します。次に例を示します。

私は当初、次の質問が当てはまると思っていました。

動的計画法-最大の正方形のブロック

でも今はよくわかりません。

回帰または回帰テストの経験はほとんどまたはまったくありませんが、これを8つの変数の入力として表すことができると思います。

正直なところ、これをどのように行うかはまったくわかりません。コードのこの部分が抽出するサイズは、既知のサイズの長方形（つまり、データベースから）に適合させる必要があります。

当初は、既知のデータをトレーニング演習として提供し、陽性のテスト結果を保存できると思っていましたが、ここからどこに行けばよいのかよくわかりません。

あなたが持っているかもしれないアドバイスをありがとう。

私はのようなポイントのセットを持っていPoint(x,y)ます。車が同じ道路で非常に多くの道を通過した後、結果の地図をほとんど台無しにしています。カルマンフィルターは、利用可能なパスから単一のパスを作成できると聞きました。

誰かがそれを作る方法を言うことができますか？私はコンピュータサイエンスの出身ではありません。それで、その概念とそれらのマトリックスについて私に説明してください。次に、それらをコーディングします。誰かが私にその概念について教えてください。

私は一連のデータを持っており、どの行がそれを最もよく表しているかを比較したいと思います（異なる次数の多項式、指数関数または対数）。

私はPythonとNumpyを使用しており、多項式フィッティングには関数がありますpolyfit()。しかし、指数フィッティングと対数フィッティングのためのそのような関数は見つかりませんでした。

いずれかがあります？またはそれ以外の方法でそれを解決する方法は？

これは簡単な質問のように思えるので、簡単な答えであることを願っています。ポイントをプロットして線形モデルをフィッティングしていますが、これで問題ありません。次に、R 二乗値などの要約統計量をプロットにもプロットしたいと思います。コマンドラインでのみ R 二乗値を取得できるようです。何かアドバイス; ggplot などを見る必要がありますか? 前もって感謝します。

robustfitMATLAB には、線形回帰フィッティングで外れ値を除外するという問題を解決する素晴らしい機能があります。Java や C (または採用できる言語 X) で書かれた同様のものはありますか?

回帰でバイナリ説明変数を使用する場合、R に特定のレベルを参照として使用するように指示するにはどうすればよいですか?

デフォルトでいくつかのレベルを使用しているだけです。

とb {0, 1, 2, 3, 4}。R で使用される 0 の代わりに 3 を使用したいとします。

単純な線形回帰関数を作成しようとしていますが、引き続き

numpy.linalg.linalg.LinAlgError：特異行列エラー

既存の関数（デバッグ出力付き）：

テストデータを含むコンソールへの出力は次のとおりです。

次に、linalg.solve行でエラーが発生します。これは教科書の線形回帰関数であり、なぜ失敗するのか理解できないようです。

特異行列エラーとは何ですか？

私は変数のセットを持っていますX, Y, ..., Z。私の仕事は、この一連の変数を取り、整数を生成する関数を設計することです。これをテストするためのフィットネス関数があります。

f問題への私の最初の刺し傷は、線形関数になるようにモデル化できると仮定することです。

私の最初のアイデアは、PSO (粒子群最適化) または遺伝的アルゴリズムのいずれかを使用して解決するfことa, b, .., cでした。それらは確実に良い結果をもたらすと確信しています。

一方で、そういう進化的アルゴリズムはあまり必要ないのではないかという気もします。まず、 の良い「出発点」をいくつか思いつくことができますa,b, .., c。線形f関数であるため、いくつかのポイントを試してから、それらに対して線形回帰のようなことを行う方が簡単ではないでしょうか? そして、線形回帰の後、さらにいくつかのポイントを試してみて、今回は良い「スポット」のように見えるものに近づき、それらに対して再び線形回帰を行いますか?

それの欠点は何ですか？この種の問題の経験がある人はいますか？私が考えることができる最大のものは、おそらく私が良い開始値と考えるのはa,b, .., c「ローカルオプティマ」であり、ある種の進化的アルゴリズムを使用するとグローバルアルゴリズムが得られるということです。

fそれが重要な場合、チェスのようなゲームの Minimax アルゴリズムの近似関数であると想定されています。

ありがとう

データセット内の k-means クラスターの数を決定するために L メソッドを適用する前に、評価メトリックにスムーサーを適用しようとした人はいますか? もしそうなら、それは結果を改善しましたか？または、より少ない数の k-means 試行を許可して、速度を大幅に向上させますか? どの平滑化アルゴリズム/方法を使用しましたか?

「L-メソッド」の詳細については、「 階層クラスタリング/セグメンテーション アルゴリズムでのクラスタ/セグメント数の決定」 、サルバドール & チャンを参照してください。

これにより、さまざまな試行クラスター数の範囲の評価メトリックが計算されます。次に、ニー (最適な数のクラスターで発生する) を見つけるために、線形回帰を使用して 2 つの線が適合されます。膝のフィットを改善するために、単純な反復プロセスが適用されます。これは、既存の評価メトリック計算を使用し、k-means の再実行を必要としません。

評価指標については、単純化した Dunns Index の逆数を使用しています。速度のために簡略化されています (基本的に、直径とクラスター間の計算は簡略化されています)。逆数は、インデックスが正しい方向に機能するようにするためのものです (つまり、一般的に低いほど良い)。

K-means は確率的アルゴリズムであるため、通常は複数回実行され、最適なものが選択されます。これは非常にうまく機能しますが、1..N クラスターに対してこれを行うと、時間がすぐに加算されます。したがって、実行数を抑えることは私の関心事です。私の実装が実用的かどうかは、全体の処理時間によって決まる可能性があります。高速化できない場合は、この機能を捨てるかもしれません。

私の質問はかなり単純ですが、多くのことを試しても解決できませんでした。

2 つのデータ フレームがあります。

とlm(a ~ b)にデータを収めるためにを実行できますか?ab

NAその場合、データを無視するにはどうすればよいですか?

ありがとう、ダン