Angesichts einiger XY-Daten, bei denen X die nicht-äquidistante unabhängige Variable und Y die abhängige Variable ist, sagen wir, dass die Daten aus einem physikalischen Experiment stammen Ich möchte diese Daten mit einem rollenden Glättungs-Durchschnittsfilter glätten Wie soll ich fortfahren. Was mache ich oft Dieser Fall ist, den gleichen Filter auf Y und X anzuwenden, aber ich bin mir nicht sicher, ob das statistisch korrekt ist, denke ich, dass es klar ist, dass ich nicht nur normales laufendes Mittel auf Y allein anwenden kann, da der ungleichmäßige Abstand der unabhängigen Variablen gegeben ist Die Filterung der unabhängigen Variablen hat auch den Vorteil, dass ich problemlos gleich große Fenster verwenden kann, ohne eine Vorlaufverzögerung einzuführen. Als Alternative denke ich, die Daten auf einem regelmäßigen Raster zu interpolieren, aber so fühle ich das, wenn ich die Probenahme meiner Daten ändere , Habe ich eigentlich künstliche Datenpunkte Messungen, die das gleiche Gewicht wie die tatsächlichen Messungen, die ich finde seltsame. So, was ist der richtige Weg, um einen Filter als zB laufenden Durchschnitt in diesem Fall. Einer meiner Grund ist die folgenden In einem physikalischen Experiment ist jede Variable ein Experiment, also wenn glatte eine Variable, kann ich auch die andere Variable glätten. Weil was abhängig und unabhängig ist, ist nur ein Standpunkt. Ein Beispiel, es ist offensichtlich, dass nur Glättung Y gibt Unangemessene Ergebnisse, während die Glättung von X und Y zu geben scheint, stellen die ursprünglichen Daten viel besser dar. Ich benutze die gewichtete Mittelung in diesem Fall. Alle Mittelwerte werden gewichtet, aber wenn es nicht explizit ist, sind die Gewichte gleich, ich würde nicht unbedingt denselben Filter verwenden Auf der Strecke, wie ich es auf der Domain wünsche Wenn Sie wollen, dass Maßnahmen, die eng zusammen sind, um nicht so viel zu wiegen, dann wiegen sie durch die Entfernung zum nächsten Nachbarn vielleicht vielleicht durchschnittliche Distanz zu den nächsten 3 Nachbarn Warum ist Clustering zeigt sich in Glättung Spaß EngrStudent Mar 5 at 14 08.Can Sie bieten eine kleine Beispiel-Datensatz zu veranschaulichen, was Sie fragen, warum würden Sie wollen, dass ein rollender Durchschnitt von etwas gung Mar 5 bei 14 19. Ich arbeite als ein statistischer Berater für ein Leben Ich don t erinnern jemals je Sehen Sie jemanden, der laufende Durchschnitte auf ihren Daten durchführt, wie Sie beschreiben sind Sie hoffen gerade für zusätzliche unnötige Arbeit, bevor Sie mit Ihrer Analyse erhalten Warum nicht immer sqrt pi zu allen Ihren XY Daten hinzufügen Warum nicht Warum sollten Sie sie unterschiedlich behandeln Surely dort s einige Grund für den Wunsch, dies zu tun Gung Mar 5 bei 14 34. Eine robuste Version von Löss, die geringere Gewicht zu Ausreißern in der Regression zuweist Die Methode weist Null Gewicht auf Daten außerhalb von sechs mittleren absoluten Abweichungen. yy glatt y, span, Methode setzt die Spanne Der Methode zu überspannen Für die Löss und lowess Methoden ist die Spanne ein Prozentsatz der Gesamtzahl der Datenpunkte, kleiner oder gleich 1 Für den gleitenden Durchschnitt und die Savitzky-Golay-Methoden muss die Spanne ungerade sein, eine gleichmäßige Spanne wird automatisch reduziert 1.yy glatt y, sgolay, Grad nutzt die Savitzky-Golay-Methode mit Polynom-Grad von Grad angegeben yy glatt y, span, sgolay, Grad nutzt die Anzahl der Datenpunkte, die durch Span in der Savitzky-Golay Berechnungsspanne angegeben ist, muss ungerade sein Und Grad muss kleiner sein als span. yy glatt x, y zusätzlich spezifiziert x Daten Wenn x nicht vorgesehen ist, Methoden, die x Daten erfordern x 1 Länge y Sie sollten x Daten angeben, wenn es nicht gleichmäßig beabstandet oder sortiert ist Wenn x nicht ist Uniform und Sie werden nicht angeben Methode lowess verwendet wird Wenn die Glättungsmethode erfordert x zu sortieren, erfolgt die Sortierung automatisch. PreisYY glatte gpuarrayY führt die Operation auf einer GPU Die Eingabe gpuarrayY ist ein GpuArray Spalte Vektor Die Ausgabe gpuarrayYY ist ein GpuArray Spalte Vektor Diese Syntax erfordert die Parallel Computing Toolbox. Note Sie können gpuArray x und y Eingänge mit der reibungslosen Funktion verwenden, aber dies wird nur mit der Standardmethode empfohlen. Verschieben Mit GPU-Daten mit anderen Methoden wird kein Leistungsvorteil angeboten. Wählen Sie Ihr Land aus. Ich lerne ein Advektions-Diffusionsproblem, bei dem die Lösungsvariable meistens flach ist von einer kleinen Region nahe dem Zentrum der Domäne, wo es Formgradienten gibt, die ich gern Mesh-Gesichter für 1D-Finite-Volume-Zellen erzeugen möchte, siehe unten, wo die Zellen gruppiert sind In Richtung der Mitte des Domains. Ich habe nicht versucht, bewegende oder adaptive Ineinander greifen, weil für diese Anwendung wird es übertrieben Ich möchte einfach nur ein statisches, aber ungleichförmiges Mesh Das scheint einfach auf der Oberfläche, aber ich habe es schwierig und würde Wie ein Ratschlag. Ich benutze den folgenden Ansatz Eine einheitliche Verteilung der Zellgesichter ist definiert durch, x Summengrenzen N hn wobei h der konstante Maschenabstand ist. Um gruppierte ungleichförmige Zellflächen zu erzeugen, plane ich einfach, die einheitliche Maschensequenz zu teilen Durch eine Mesh-Dichte-Funktion rho Zum Beispiel x Summengrenzen N frac. Choose eine Gaußsche Mesh-Dichte-Funktion, mit konstanten hinzugefügt, so dass es nicht einzigartig wird, wenn als Nenner verwendet, ermöglicht die Mesh-Dichte in der Nähe der Spitze der Kurve zu erhöhen. Mit diesem Ansatz kann ich dann das folgende Mesh erzeugen, wie die Mesh-Punkte aus dem ständigen Abstand beginnen, weil Rho 1, dann anfänglich anfangen zu expandieren und dann um die Mittelpunkte zusammenzuziehen, habe ich den Abstand zwischen den Punkten der blauen Linie aufgezeichnet, um das Problem hervorzuheben Würde es vorziehen, wenn der Mesh-Abstand nicht über den minimalen Wert h anstieg. Gibt es einen Weg, um diese Eigenschaft zu bewahren Es scheint, dass ich eine Peak-Funktion eine Null-Sekunden-Ableitung benötigen Kannst du eine bessere Mesh-Dichte-Funktion für dieses Problem vorschlagen.
No comments:
Post a Comment