(বছর পরে) টুকরোজা-লিনিয়ার ফাংশনগুলি ডিগ্রি 1 এর স্প্লাইজ যা বেশিরভাগ স্প্লাইন ফিটারগুলি করতে বলা যেতে পারে।
scipy.interplate.UnivariateSpline
উদাহরণস্বরূপ চালানো যেতে পারে k=1
এবং একটি স্মুথিং প্যারামিটার s
, যা আপনার সাথে খেলতে হবে -
স্কিপি-ইন্টারপোলেশন-ইউনিভারিটি-স্প্লাইনগুলি সহ দেখুন ।
মতলব-এ,
কীভাবে বেছে নেওয়া যায়- নট দেখুন ।
যোগ করা হয়েছে: অনুকূল নটগুলি খুঁজে পাওয়া সহজ নয়, কারণ অনেকগুলি স্থানীয় অপটিমা থাকতে পারে। পরিবর্তে, আপনি ইউনিivariateSpline একটি লক্ষ্য s
, ত্রুটির যোগফল ^ 2 প্রদান, এবং এটি নট সংখ্যা নির্ধারণ করুন। ফিটিংয়ের পরে, get_residual()
ত্রুটির প্রকৃত যোগফল 2 get_knots()
ডলার এবং নটসটি পাবেন। একটি ছোট পরিবর্তন s
গিঁটগুলিকে অনেকগুলি পরিবর্তন করতে পারে, বিশেষত উচ্চ শব্দে - ymmv।
প্লট শো বিভিন্ন জন্য এলোমেলোভাবে টুকরোজা-লিনিয়ার ফাংশন + শব্দকে ফিট করে s
।
টুকরোজ ধ্রুবকগুলির ফিটিংয়ের জন্য,
পদক্ষেপ সনাক্তকরণ দেখুন । এটি পিডব্লিউ রৈখিক জন্য ব্যবহার করা যেতে পারে? জানি না; শোরগোলের ডেটা আলাদা করে শুরু করে গোলমাল বাড়িয়ে দেবে, ভুল।
অন্যান্য পরীক্ষামূলক কাজগুলি এবং / অথবা কাগজপত্র বা কোডের লিঙ্কগুলি স্বাগত জানানো হবে। লিঙ্কগুলির একটি দম্পতি:
নটস-হিসাবে-পরামিতিগুলির সাথে টুকরোড়া-লিনিয়ার-রিগ্রেশন-
লিনিয়ার স্প্লিংগুলি যেখানে ঘনক-রিগ্রেশন-স্প্লাইনের জন্য নট-নির্বাচন-গিঁট দেওয়া হয় তার জন্য খুব সংবেদনশীল
এটি একটি জটিল সমস্যা এবং বেশিরভাগ লোকেরা কেবল পরীক্ষা এবং ত্রুটির দ্বারা নটগুলি নির্বাচন করে।
জনপ্রিয়তার মধ্যে ক্রমবর্ধমান এক পদ্ধতির পরিবর্তে দণ্ডিত রিগ্রেশন স্প্লিন ব্যবহার করা।
মার্চ 2014 যোগ করা হয়েছে:
ডাইনামিক প্রোগ্রামিং
হ'ল নেস্টেড সাব-প্রবলেমগুলির সমস্যাগুলির জন্য একটি সাধারণ পদ্ধতি:
optimal k lines
= optimal k - 1 lines up to some x
+ cost of the last line x to the end
over x (all x in theory, nearby x in practice)
ডায়নামিক প্রোগ্রামিং খুব চতুর, তবে এটি কি এই কাজের জন্য নৃশংস শক্তি + হিউরিস্টিক্সকে পরাস্ত করতে পারে? এমআইটি 6.006 ইন্ট্রো টু অ্যালগোরিদমের
অধীনে এরিক ডামাইন দ্বারা দুর্দান্ত কোর্সের নোটগুলি দেখুন
গুগল সেগমেন্টেড লিনিয়ার রিগ্রেশন
এছাড়াও জন হেনরি সিনড্রোম।