Ctrl →

paraman · Фев. 10, 2016 14:49:00

Уважаемые коллеги. Есть у меня задача.
Есть некий датчик, который выдаёт раз в 3-и или 2-е минуты числовые данные:

[-1.98, -0.98, -2.96, -1.96, -3.94, -5.92, -4.92, -3.92, -2.92, -4.9, -3.9000000000000004, -2.9000000000000004, -4.880000000000001, -3.880000000000001, -5.860000000000001, -4.860000000000001, -3.860000000000001, -2.860000000000001, -4.840000000000002, -3.8400000000000016, -2.8400000000000016, -1.8400000000000016, -0.8400000000000016, 0.15999999999999837, -1.8200000000000016, -0.8200000000000016, 0.17999999999999838, 1.1799999999999984, 2.1799999999999984, 3.1799999999999984, 4.179999999999998, 5.179999999999998, 3.199999999999998, 4.1999999999999975, 2.2199999999999975, 0.23999999999999755, 1.2399999999999975, 2.2399999999999975, 3.2399999999999975, 1.2599999999999976, -0.7200000000000024, 0.2799999999999976, -1.7000000000000024, -3.6800000000000024, -2.6800000000000024, -4.660000000000002, -6.640000000000002, -5.640000000000002, -7.620000000000003, -6.620000000000003, -5.620000000000003, -4.620000000000003, -6.600000000000003, -5.600000000000003, -7.580000000000004, -6.580000000000004, -5.580000000000004, -4.580000000000004, -3.5800000000000036, -2.5800000000000036, -1.5800000000000036, -0.5800000000000036, 0.4199999999999964, 1.4199999999999964, 2.4199999999999964, 3.4199999999999964, 4.419999999999996, 5.419999999999996, 6.419999999999996, 7.419999999999996, 5.439999999999996, 6.439999999999996, 7.439999999999996, 8.439999999999996, 9.439999999999996, 10.439999999999996, 11.439999999999996, 9.459999999999996, 10.459999999999996, 11.459999999999996, 9.479999999999995, 10.479999999999995, 11.479999999999995, 12.479999999999995, 13.479999999999995, 14.479999999999995, 15.479999999999995, 16.479999999999997, 14.499999999999996, 12.519999999999996, 13.519999999999996, 11.539999999999996, 12.539999999999996, 10.559999999999995, 11.559999999999995, 9.579999999999995, 10.579999999999995, 8.599999999999994, 6.619999999999994, 4.6399999999999935, 2.6599999999999935, 3.6599999999999935, 4.659999999999993, 2.679999999999993, 3.679999999999993, 4.679999999999993, 5.679999999999993, 3.6999999999999926, 4.699999999999992, 2.719999999999992, 3.719999999999992, 4.719999999999992, 5.719999999999992, 6.719999999999992, 4.739999999999991, 5.739999999999991, 6.739999999999991, 4.759999999999991, 2.779999999999991, 3.779999999999991, 4.7799999999999905, 2.7999999999999905, 3.7999999999999905, 4.79999999999999, 5.79999999999999, 6.79999999999999, 7.79999999999999, 5.81999999999999, 3.8399999999999896, 4.839999999999989, 5.839999999999989, 6.839999999999989, 4.859999999999989, 5.859999999999989, 3.879999999999989, 4.879999999999988, 5.879999999999988, 6.879999999999988, 7.879999999999988, 8.879999999999988, 6.899999999999988, 7.899999999999988, 8.899999999999988, 9.899999999999988, 10.899999999999988, 11.899999999999988, 12.899999999999988, 13.899999999999988, 14.899999999999988, 15.899999999999988, 16.899999999999988, 17.899999999999988, 18.899999999999988, 19.899999999999988, 20.899999999999988, 21.899999999999988, 22.899999999999988, 20.919999999999987, 21.919999999999987, 22.919999999999987, 20.939999999999987, 21.939999999999987, 22.939999999999987, 23.939999999999987, 24.939999999999987, 25.939999999999987, 26.939999999999987, 27.939999999999987, 28.939999999999987, 26.959999999999987, 24.979999999999986, 25.979999999999986, 23.999999999999986, 24.999999999999986, 25.999999999999986, 26.999999999999986, 27.999999999999986, 28.999999999999986, 29.999999999999986, 30.999999999999986, 31.999999999999986, 32.999999999999986, 31.019999999999985, 32.01999999999998, 30.03999999999998, 28.05999999999998, 26.07999999999998, 27.07999999999998, 25.09999999999998, 26.09999999999998, 27.09999999999998, 28.09999999999998, 26.11999999999998, 27.11999999999998, 28.11999999999998, 29.11999999999998, 30.11999999999998, 31.11999999999998, 32.119999999999976, 30.139999999999976, 31.139999999999976, 32.13999999999997, 33.13999999999997, 34.13999999999997, 35.13999999999997, 33.159999999999975, 34.159999999999975, 35.159999999999975, 33.17999999999998, 34.17999999999998, 35.17999999999998, 36.17999999999998, 37.17999999999998, 35.19999999999998, 36.19999999999998, 34.219999999999985, 35.219999999999985, 33.23999999999999, 34.23999999999999, 32.25999999999999, 33.25999999999999, 31.27999999999999, 32.27999999999999, 30.299999999999986, 31.299999999999986, 32.29999999999998, 33.29999999999998, 31.319999999999983, 29.339999999999982, 30.339999999999982, 31.339999999999982, 29.35999999999998, 30.35999999999998, 31.35999999999998, 32.359999999999985, 33.359999999999985, 31.379999999999985, 32.37999999999998, 33.37999999999998, 31.39999999999998, 29.41999999999998, 30.41999999999998, 31.41999999999998, 32.41999999999998, 33.41999999999998, 34.41999999999998, 35.41999999999998, 33.43999999999998, 34.43999999999998, 35.43999999999998, 33.45999999999999, 34.45999999999999, 35.45999999999999, 36.45999999999999, 34.47999999999999, 35.47999999999999, 36.47999999999999, 37.47999999999999, 38.47999999999999, 39.47999999999999, 37.49999999999999, 38.49999999999999, 39.49999999999999, 40.49999999999999, 41.49999999999999, 42.49999999999999, 40.519999999999996, 41.519999999999996, 42.519999999999996, 43.519999999999996, 44.519999999999996, 42.54, 43.54, 44.54, 45.54, 46.54, 47.54, 45.56, 43.580000000000005, 41.60000000000001, 42.60000000000001, 43.60000000000001, 41.62000000000001, 42.62000000000001, 40.640000000000015, 41.640000000000015, 42.640000000000015, 43.640000000000015, 44.640000000000015, 45.640000000000015, 43.66000000000002, 44.66000000000002, 42.68000000000002, 43.68000000000002, 41.700000000000024, 42.700000000000024, 43.700000000000024, 44.700000000000024, 45.700000000000024, 46.700000000000024, 44.72000000000003, 42.74000000000003, 43.74000000000003, 44.74000000000003, 42.76000000000003, 43.76000000000003, 44.76000000000003, 45.76000000000003, 46.76000000000003, 47.76000000000003, 48.76000000000003, 49.76000000000003, 50.76000000000003, 48.78000000000004, 46.80000000000004, 44.82000000000004, 45.82000000000004, 43.840000000000046, 41.86000000000005, 42.86000000000005, 40.88000000000005, 38.900000000000055, 39.900000000000055, 40.900000000000055, 38.92000000000006, 39.92000000000006, 40.92000000000006]

Это данные за последние 10 часов.
Есть так же данные о времени фиксирования.

[u'2016-02-10T02:38:47Z', u'2016-02-10T02:41:05Z', u'2016-02-10T02:42:58Z', u'2016-02-10T02:44:25Z', u'2016-02-10T02:46:21Z', u'2016-02-10T02:47:50Z', u'2016-02-10T02:49:24Z', u'2016-02-10T02:51:58Z', u'2016-02-10T02:53:24Z', u'2016-02-10T02:55:02Z', u'2016-02-10T02:56:38Z', u'2016-02-10T02:58:35Z', u'2016-02-10T03:00:49Z', u'2016-02-10T03:02:17Z', u'2016-02-10T03:03:48Z', u'2016-02-10T03:05:25Z', u'2016-02-10T03:07:48Z', u'2016-02-10T03:09:22Z', u'2016-02-10T03:11:12Z', u'2016-02-10T03:12:45Z', u'2016-02-10T03:13:54Z', u'2016-02-10T03:16:06Z', u'2016-02-10T03:17:43Z', u'2016-02-10T03:19:16Z', u'2016-02-10T03:20:40Z', u'2016-02-10T03:22:55Z', u'2016-02-10T03:25:17Z', u'2016-02-10T03:26:46Z', u'2016-02-10T03:28:20Z', u'2016-02-10T03:30:42Z', u'2016-02-10T03:32:55Z', u'2016-02-10T03:34:42Z', u'2016-02-10T03:36:42Z', u'2016-02-10T03:38:38Z', u'2016-02-10T03:40:57Z', u'2016-02-10T03:42:35Z', u'2016-02-10T03:44:26Z', u'2016-02-10T03:45:55Z', u'2016-02-10T03:47:16Z', u'2016-02-10T03:49:29Z', u'2016-02-10T03:51:29Z', u'2016-02-10T03:53:18Z', u'2016-02-10T03:55:14Z', u'2016-02-10T03:56:38Z', u'2016-02-10T03:58:00Z', u'2016-02-10T04:00:38Z', u'2016-02-10T04:02:35Z', u'2016-02-10T04:04:09Z', u'2016-02-10T04:05:37Z', u'2016-02-10T04:07:53Z', u'2016-02-10T04:10:07Z', u'2016-02-10T04:11:34Z', u'2016-02-10T04:13:11Z', u'2016-02-10T04:15:04Z', u'2016-02-10T04:16:33Z', u'2016-02-10T04:18:34Z', u'2016-02-10T04:20:35Z', u'2016-02-10T04:22:28Z', u'2016-02-10T04:24:18Z', u'2016-02-10T04:26:37Z', u'2016-02-10T04:27:59Z', u'2016-02-10T04:29:51Z', u'2016-02-10T04:32:06Z', u'2016-02-10T04:34:01Z', u'2016-02-10T04:36:14Z', u'2016-02-10T04:37:39Z', u'2016-02-10T04:39:35Z', u'2016-02-10T04:41:27Z', u'2016-02-10T04:42:56Z', u'2016-02-10T04:45:08Z', u'2016-02-10T04:47:55Z', u'2016-02-10T04:49:52Z', u'2016-02-10T04:51:41Z', u'2016-02-10T04:53:54Z', u'2016-02-10T04:56:06Z', u'2016-02-10T04:58:03Z', u'2016-02-10T04:59:47Z', u'2016-02-10T05:01:12Z', u'2016-02-10T05:02:39Z', u'2016-02-10T05:04:08Z', u'2016-02-10T05:05:42Z', u'2016-02-10T05:07:06Z', u'2016-02-10T05:08:49Z', u'2016-02-10T05:10:40Z', u'2016-02-10T05:12:06Z', u'2016-02-10T05:13:39Z', u'2016-02-10T05:15:31Z', u'2016-02-10T05:17:32Z', u'2016-02-10T05:19:05Z', u'2016-02-10T05:21:47Z', u'2016-02-10T05:23:39Z', u'2016-02-10T05:25:29Z', u'2016-02-10T05:27:00Z', u'2016-02-10T05:28:51Z', u'2016-02-10T05:30:44Z', u'2016-02-10T05:32:57Z', u'2016-02-10T05:34:54Z', u'2016-02-10T05:36:46Z', u'2016-02-10T05:39:05Z', u'2016-02-10T05:40:57Z', u'2016-02-10T05:42:34Z', u'2016-02-10T05:43:55Z', u'2016-02-10T05:45:23Z', u'2016-02-10T05:47:14Z', u'2016-02-10T05:48:48Z', u'2016-02-10T05:50:16Z', u'2016-02-10T05:51:39Z', u'2016-02-10T05:53:40Z', u'2016-02-10T05:56:26Z', u'2016-02-10T05:58:03Z', u'2016-02-10T05:59:58Z', u'2016-02-10T06:01:49Z', u'2016-02-10T06:03:46Z', u'2016-02-10T06:05:16Z', u'2016-02-10T06:07:11Z', u'2016-02-10T06:08:32Z', u'2016-02-10T06:10:22Z', u'2016-02-10T06:12:34Z', u'2016-02-10T06:14:08Z', u'2016-02-10T06:15:28Z', u'2016-02-10T06:16:49Z', u'2016-02-10T06:18:52Z', u'2016-02-10T06:20:53Z', u'2016-02-10T06:22:26Z', u'2016-02-10T06:24:46Z', u'2016-02-10T06:26:47Z', u'2016-02-10T06:28:44Z', u'2016-02-10T06:30:16Z', u'2016-02-10T06:32:37Z', u'2016-02-10T06:33:36Z', u'2016-02-10T06:35:58Z', u'2016-02-10T06:37:51Z', u'2016-02-10T06:40:06Z', u'2016-02-10T06:42:01Z', u'2016-02-10T06:44:00Z', u'2016-02-10T06:45:28Z', u'2016-02-10T06:47:46Z', u'2016-02-10T06:49:19Z', u'2016-02-10T06:50:53Z', u'2016-02-10T06:52:59Z', u'2016-02-10T06:54:33Z', u'2016-02-10T06:56:05Z', u'2016-02-10T06:57:54Z', u'2016-02-10T07:00:32Z', u'2016-02-10T07:02:24Z', u'2016-02-10T07:03:54Z', u'2016-02-10T07:05:47Z', u'2016-02-10T07:08:10Z', u'2016-02-10T07:09:54Z', u'2016-02-10T07:11:19Z', u'2016-02-10T07:13:11Z', u'2016-02-10T07:15:06Z', u'2016-02-10T07:17:07Z', u'2016-02-10T07:18:40Z', u'2016-02-10T07:20:13Z', u'2016-02-10T07:21:39Z', u'2016-02-10T07:23:34Z', u'2016-02-10T07:25:49Z', u'2016-02-10T07:27:26Z', u'2016-02-10T07:29:15Z', u'2016-02-10T07:31:05Z', u'2016-02-10T07:33:24Z', u'2016-02-10T07:34:48Z', u'2016-02-10T07:36:14Z', u'2016-02-10T07:37:43Z', u'2016-02-10T07:39:17Z', u'2016-02-10T07:41:31Z', u'2016-02-10T07:43:00Z', u'2016-02-10T07:45:12Z', u'2016-02-10T07:46:55Z', u'2016-02-10T07:48:51Z', u'2016-02-10T07:50:23Z', u'2016-02-10T07:52:19Z', u'2016-02-10T07:54:16Z', u'2016-02-10T07:55:49Z', u'2016-02-10T07:57:22Z', u'2016-02-10T07:58:55Z', u'2016-02-10T08:00:51Z', u'2016-02-10T08:02:28Z', u'2016-02-10T08:03:54Z', u'2016-02-10T08:05:23Z', u'2016-02-10T08:07:15Z', u'2016-02-10T08:09:04Z', u'2016-02-10T08:10:33Z', u'2016-02-10T08:12:47Z', u'2016-02-10T08:14:39Z', u'2016-02-10T08:16:11Z', u'2016-02-10T08:17:35Z', u'2016-02-10T08:18:55Z', u'2016-02-10T08:20:15Z', u'2016-02-10T08:21:48Z', u'2016-02-10T08:23:18Z', u'2016-02-10T08:25:09Z', u'2016-02-10T08:27:04Z', u'2016-02-10T08:29:17Z', u'2016-02-10T08:30:54Z', u'2016-02-10T08:32:54Z', u'2016-02-10T08:35:30Z', u'2016-02-10T08:37:25Z', u'2016-02-10T08:39:02Z', u'2016-02-10T08:40:31Z', u'2016-02-10T08:41:58Z', u'2016-02-10T08:43:24Z', u'2016-02-10T08:45:15Z', u'2016-02-10T08:47:07Z', u'2016-02-10T08:48:40Z', u'2016-02-10T08:50:35Z', u'2016-02-10T08:52:57Z', u'2016-02-10T08:54:49Z', u'2016-02-10T08:56:45Z', u'2016-02-10T08:58:14Z', u'2016-02-10T09:00:07Z', u'2016-02-10T09:01:44Z', u'2016-02-10T09:03:35Z', u'2016-02-10T09:05:27Z', u'2016-02-10T09:07:18Z', u'2016-02-10T09:09:29Z', u'2016-02-10T09:11:02Z', u'2016-02-10T09:12:29Z', u'2016-02-10T09:14:29Z', u'2016-02-10T09:16:21Z', u'2016-02-10T09:18:17Z', u'2016-02-10T09:20:30Z', u'2016-02-10T09:22:53Z', u'2016-02-10T09:25:11Z', u'2016-02-10T09:27:07Z', u'2016-02-10T09:28:40Z', u'2016-02-10T09:30:14Z', u'2016-02-10T09:32:28Z', u'2016-02-10T09:34:29Z', u'2016-02-10T09:36:48Z', u'2016-02-10T09:39:05Z', u'2016-02-10T09:41:22Z', u'2016-02-10T09:43:14Z', u'2016-02-10T09:45:49Z', u'2016-02-10T09:47:45Z', u'2016-02-10T09:49:56Z', u'2016-02-10T09:51:47Z', u'2016-02-10T09:53:42Z', u'2016-02-10T09:55:14Z', u'2016-02-10T09:56:13Z', u'2016-02-10T09:58:05Z', u'2016-02-10T09:59:41Z', u'2016-02-10T10:01:01Z', u'2016-02-10T10:02:50Z', u'2016-02-10T10:04:50Z', u'2016-02-10T10:06:23Z', u'2016-02-10T10:07:52Z', u'2016-02-10T10:10:04Z', u'2016-02-10T10:11:39Z', u'2016-02-10T10:13:36Z', u'2016-02-10T10:15:54Z', u'2016-02-10T10:18:28Z', u'2016-02-10T10:20:47Z', u'2016-02-10T10:23:02Z', u'2016-02-10T10:24:35Z', u'2016-02-10T10:25:59Z', u'2016-02-10T10:27:49Z', u'2016-02-10T10:29:17Z', u'2016-02-10T10:31:01Z', u'2016-02-10T10:32:22Z', u'2016-02-10T10:34:35Z', u'2016-02-10T10:36:30Z', u'2016-02-10T10:38:42Z', u'2016-02-10T10:40:33Z', u'2016-02-10T10:42:25Z', u'2016-02-10T10:44:16Z', u'2016-02-10T10:45:49Z', u'2016-02-10T10:47:28Z', u'2016-02-10T10:49:01Z', u'2016-02-10T10:51:01Z', u'2016-02-10T10:52:30Z', u'2016-02-10T10:54:08Z', u'2016-02-10T10:56:03Z', u'2016-02-10T10:58:22Z', u'2016-02-10T10:59:51Z', u'2016-02-10T11:02:05Z', u'2016-02-10T11:04:19Z', u'2016-02-10T11:06:07Z', u'2016-02-10T11:08:25Z', u'2016-02-10T11:09:54Z', u'2016-02-10T11:11:44Z', u'2016-02-10T11:13:37Z', u'2016-02-10T11:15:06Z', u'2016-02-10T11:17:14Z', u'2016-02-10T11:18:35Z', u'2016-02-10T11:19:58Z', u'2016-02-10T11:21:54Z', u'2016-02-10T11:23:34Z', u'2016-02-10T11:25:07Z', u'2016-02-10T11:27:03Z', u'2016-02-10T11:29:15Z', u'2016-02-10T11:31:32Z', u'2016-02-10T11:33:02Z', u'2016-02-10T11:34:50Z', u'2016-02-10T11:36:47Z', u'2016-02-10T11:39:06Z', u'2016-02-10T11:40:35Z', u'2016-02-10T11:42:30Z', u'2016-02-10T11:44:24Z', u'2016-02-10T11:46:15Z', u'2016-02-10T11:48:38Z', u'2016-02-10T11:50:37Z', u'2016-02-10T11:52:27Z', u'2016-02-10T11:54:00Z', u'2016-02-10T11:55:52Z', u'2016-02-10T11:57:12Z', u'2016-02-10T11:58:35Z', u'2016-02-10T12:00:31Z', u'2016-02-10T12:01:58Z', u'2016-02-10T12:03:31Z', u'2016-02-10T12:05:53Z', u'2016-02-10T12:07:48Z', u'2016-02-10T12:09:49Z', u'2016-02-10T12:12:03Z', u'2016-02-10T12:13:59Z', u'2016-02-10T12:15:21Z', u'2016-02-10T12:17:38Z', u'2016-02-10T12:19:16Z', u'2016-02-10T12:20:40Z', u'2016-02-10T12:22:16Z', u'2016-02-10T12:24:28Z', u'2016-02-10T12:26:19Z', u'2016-02-10T12:28:33Z', u'2016-02-10T12:29:59Z', u'2016-02-10T12:31:46Z', u'2016-02-10T12:33:14Z']

Получается вот такой график:

Собственно необходимо спрогнозировать последующие показатели (минут на 5, 10, 15 вперёд). Это данные за последние 10 часов, если нужно много больше могу предоставить.
Пытался сделать по следующим ссылкам, но не вышло.
1)https://habrahabr.ru/post/210530/
2)http://statsmodels.sourceforge.net/0.6.0/examples/index.html#regression
Помогите решить задачу. За оказание помощи, даже готов финансово отблагодарить, если прогнозирование будет точным.
Спасибо, что уделили моему вопросу своё время.

4kpt_IV · Фев. 10, 2016 15:05:03

Существует масса методов прогнозирования. От тупой апроксимации полиномом до нечетких моделей вывода или обучаемых нейросетей. Вам необходимо предварительно определится с методом прогнозирования. А уже потом, на основе него, реализовывать алгоритм применительно к Вашей задаче.

P.S. Оговорюсь сразу. Перепробовать все методы и выбрать наиболее адекватный - очень трудоемкая и почти не реализуемая одним человеком задача.

P.P.S. Ну и критерии для оценки адекватности прогноза реальным данным все же стоит предварительно отобрать. 100% совпадать не будут ни после какой модели. Определитесь хотя-бы с отклонением прогнозных значений и фактических по среднему или средневзвешенному.

Отредактировано 4kpt_IV (Фев. 10, 2016 15:07:51)

paraman · Фев. 10, 2016 15:19:51

Я в этом новичок, вот и прошу помочь, я лишь вижу некоторую закономерность на графике.
Если проложить прямые линии от одной вершины, до другой, то в последующем это может стать вершиной другой или основанием.
Собственно готов пробовать разные методики. Есть шустрые сервера на ssd дисках.

4kpt_IV · Фев. 10, 2016 15:28:58

Я не совсем понимаю какой род помощи нужен. Если нужны методы прогнозирования, то необходимо запастись терпением и литературой.

P.S. Возможно в питоне уже есть модули, которые реализуют какие-то подходы и Вы можете просто подождать. Кто-нибудь, кто сталкивался может подсказать. Но все равно без сформированных критериев оценки “адекватности” прогноза дальнейшие телодвижения с данными вижу бессмысленными.

paraman · Фев. 10, 2016 15:42:16

4kpt_IV
Я не совсем понимаю какой род помощи нужен. Если нужны методы прогнозирования, то необходимо запастись терпением и литературой.P.S. Возможно в питоне уже есть модули, которые реализуют какие-то подходы и Вы можете просто подождать. Кто-нибудь, кто сталкивался может подсказать. Но все равно без сформированных критериев оценки “адекватности” прогноза дальнейшие телодвижения с данными вижу бессмысленными.

Спасибо, что отвечаете.
Помощь нужна в реализации. Помочь определить, каким лучше способом спрогнозировать такие данные Адекватность оценивается по количеству ошибок в прогнозе. Очевидно же, что если ошибок 50%, то это не прогноз, а простое угадывание. Ну и собственно, сколько бы человек хотел получить за такую помощь (я понимаю, что за просто так человек точно помогать не будет мне в решение моей задачи), писать сам могу, но вот порой нужен человек, который бы мог объяснить, что и куда и какие критерии на что влияют.

Отредактировано paraman (Фев. 10, 2016 15:44:18)

4kpt_IV · Фев. 10, 2016 15:47:13

paraman
Очевидно же, что если ошибок 50%

Оу. Абзец. Читаем про выборки и оценки адекватности моделей. Чаще всего, для простоты закладывают уровень погрешность в пределах скольки-то процентов. И на основе него оценивают адекватность построенной модели реальным данным (т.е. насколько реальные данные разбегаются с полученными из модели).

paraman · Фев. 10, 2016 18:00:40

Я в этом новичок. Какой по-вашему мнению адекватный % погрешности?

4kpt_IV · Фев. 10, 2016 18:10:02

Зависит от задачи и ее предметной области. Поясню на пальцах. Есть такой метод для подсчета пассажиров в соответствии с емкостями районов. Называется “гравитационный”. Он дает погрешность до 100%. Причем я присутствовал на защите диссертации докторской, где эту ошибку, смогли свести до 80% при помощи учета дополнительных факторов. И это был прорыв. Т.е. для этой задачи такие огромные погрешности допустимы. А представим теперь, что задача связана с человеческими жизнями и испытанием лекарств. Там и выборка считается совсем по-другому и погрешности с высокими значениями никогда не используются. Надеюсь я понятно пояснил.

Вам бы что-то почитать по “основы научных исследований”. Можно любую книгу. Даже достаточно старую взять. Главное чтобы там была оценка адекватности моделей.

paraman · Фев. 10, 2016 19:38:03

Хм… спасибо Вам за совет.
А нельзя ли опытным путём проверить на разных моделях % погрешностей.
Очень хочется познать область прогнозирования, так как стал с ней частенько встречаться, но что-то сделать самому не получается.

JOHN_16 · Фев. 10, 2016 22:24:19

paraman
А нельзя ли опытным путём проверить на разных моделях % погрешностей.

технически можно. Для этого вы сначала должны реализовать хоть две хоть N моделей.
Коль вы ткой новичок в теме я сразу остужу вам пыл - с наскоку и по быстрому у вас ничего не выйдет. Тематика не простая.
Вам хорошо подсказали - ищите аппроксимацию полиномом, это одна из самых простых методик способная дать сколько то адекватный результат.

_________________________________________________________________________________
полезный блог о python john16blog.blogspot.com

Python-сообщество

Уведомления

#1 Фев. 10, 2016 14:49:00

Прогнозирование и анализ.

#2 Фев. 10, 2016 15:05:03

Прогнозирование и анализ.

#3 Фев. 10, 2016 15:19:51

Прогнозирование и анализ.

#4 Фев. 10, 2016 15:28:58

Прогнозирование и анализ.

#5 Фев. 10, 2016 15:42:16

Прогнозирование и анализ.

#6 Фев. 10, 2016 15:47:13

Прогнозирование и анализ.

#7 Фев. 10, 2016 18:00:40

Прогнозирование и анализ.

#8 Фев. 10, 2016 18:10:02

Прогнозирование и анализ.

#9 Фев. 10, 2016 19:38:03

Прогнозирование и анализ.

#10 Фев. 10, 2016 22:24:19

Прогнозирование и анализ.

Board footer