Estou usando uma janela dinâmica em movimento para calcular estatísticas simples em uma série ordenada na data chave Eu quero ser capaz de definir o limite no final da janela por exemplo um timeseries com média móvel mensal, o mensal é decidido por a. No entanto, a série deedle function. always usa o começo como o limite Portanto, ele sempre cria produzir uma série de pontos de dados a partir da primeira instância de dados para os próximos n pontos de dados n é decidido pela diversão acima eu gostaria de ter uma série de pontos de dados do Nth dados e olhar para trás no passado. Eu também tentei usar primeiro para reverter a série, mas deedle pensar que a série, embora em uma ordem invertida não é mais ordered. Is o que eu estou procurando possível. Se você olhar para a lista de agregação Funções no docs você encontrará um agregado de função que é uma generalização de todas as funções de fragmentação de janelas e também tem um seletor de chave. Isso significa que você pode fazer algo como this. A função leva 3 parâmetros incluindo chave s Eleitor e uma função que obtém o segmento de dados que tem a janela junto com uma bandeira se ela está completa ou incompleta - por exemplo, no final de windowing. Sadly, isso não funciona muito aqui, porque ele vai criar uma série com chaves duplicadas e aqueles Não são suportados por Deedle As janelas no final do pedaço vai terminar com a mesma data e assim você ll obter duplicado chaves que realmente é executado, mas você não pode fazer muito com a série. Uma solução feia é lembrar o último pedaço s End e retornar valores em falta, uma vez que o fim começa repeating. I ainda estou trabalhando em groaking a coisa F - tentando descobrir como pensar em F, em vez de apenas traduzir de outras línguas que eu know. I recentemente foi pensando sobre os casos em que você Don t tem um 1 1 mapa entre antes e depois Casos onde cai down. One exemplo disso é médias móveis, onde normalmente você terá len-n 1 resultados para uma lista de comprimento len quando a média sobre n itens. Para os gurus fora Lá, isso é uma boa maneira de fazer Ele usando a fila de pinça de Jomo Fisher. Talvez uma maneira melhor seria implementar um MovingAverageQueue por herdar de Fifo. asked Nov 17 08 em 11 12.I teve que declará-lo como deixar MovingAverage ns seq float, a fim de colocar isso em um módulo de utilitário, longe do site de chamada, Para aplacar o tipo de sistema Tanto quanto eu posso dizer, isso só funciona com flutuadores, devido a uma limitação de MSDN afirma que eu posso substituir isso para usar isso em uma sequência int, mas isso dá um erro diferente Brian, você pode reformular isso Responder ao trabalho em contextos genéricos, de modo que ele irá trabalhar com seq-of-any-aritmética-tipo, sem inferência de tipo Warren Young 27 jun 13 às 19 04.I deve salientar que a minha necessidade para esta função de média móvel é obter Uma janela curta 30ish sobre uma seqüência de inteiros que são quase todos em milhões, então eu não preciso de ponto flutuante Mesmo um único dígito à direita do ponto decimal é de nenhum uso prático no meu aplicativo Convertendo meus inteiros para FP e Resultado de volta para int apenas para aplacar a biblioteca padrão F doesn T appeal Warren Young Jun 27 13 às 19 30. Se você se preocupa com o desempenho, então você pode calcular uma média móvel de forma eficiente usando algo como isso assumindo que estamos calculando uma média móvel em uma janela de três dias. A parte difícil sobre isso é Segurando em seu total de execução anterior e número N-janela eu vim com a seguinte versão code. This não é tão bonito como o código Haskell, mas deve evitar problemas de desempenho associados com recomputing sua janela em cada executar ele mantém um total de execução E detém os números usados anteriormente em uma fila, por isso deve ser muito rápido. Apenas por diversão, eu escrevi um benchmark. If simples que você se preocupa com o desempenho e como o código elegante, em seguida, try. Using FSUnit podemos testá-lo. O truque do algoritmo É a primeira soma os primeiros n números e, em seguida, manter um total rodando, adicionando a cabeça da janela e subtraindo a cauda da janela A janela deslizante é alcançado por fazer um zip auto na seqüência, mas com o segundo argumento para zip avançado por T Ele tamanho da janela. No final do pipeline apenas dividir o total em execução pelo tamanho da janela. Note de digitalização é apenas como dobrar, mas rendimento cada versão do estado em uma seqüência. Uma solução ainda mais elegante, embora possivelmente com desempenho hit é a Fazer a observação de que se nós zero pad a seqüência que don t necessidade de calcular a soma inicial. Poderia haver um desempenho atingido devido à segunda indirecção relacionada com a envolvente das duas sequências, mas talvez não seja significativa, dependendo do tamanho de The window. answered Aug 31 12 at 8 06.Towards Numerics Versão 3. Numerics está bem no seu caminho para a próxima grande versão, v3 0 Uma primeira pré-visualização alpha já foi empurrado para a galeria NuGet, embora ainda haja muito Para fazer Se você gostaria de entender um pouco melhor onde estamos atualmente, onde estamos indo para, e por que, em seguida, ler. Por que uma nova versão importante. Nós aplicamos os princípios de versão semântica significado que não devemos quebrar Qualquer parte da rede pública Face da biblioteca, que é quase tudo no nosso caso, durante pequenas versões com o formato de versão de 3 partes Isso garante que você pode facilmente atualizar em pequenas versões sem segundas intenções ou quebrar qualquer de seu código. No entanto, às vezes há realmente um Boa razão para mudar o design, porque é maneira complicada de usar, inconsistente, leva a mau desempenho ou foi apenas não muito bem pensado Ou nós simplesmente aprendemos a fazê-lo de uma maneira muito melhor Você pode ter notado que alguns membros Foram declarados como obsoletos sobre os últimos lançamentos menores, com sugestões de como fazê-lo em vez disso, mesmo que a implementação antiga foi mantida intacta ao longo do tempo todo esse código antigo tornou-se uma dor de manter, e usando a biblioteca foi muito mais complicado do que Necessário Então eu decidi que é hora de finalmente corrigir a maioria dessas questões e limpar up. We mover algum queijo em torno desta versão Seu código irá quebrar em algumas ocasiões Mas em todos os casos, uma correção deve ser fácil se não triv Além disso, uma vez lá nós estaremos novamente ligados por versões semânticas para manter a biblioteca estável sobre todos os lançamentos menores futuros e, portanto, provável para os próximos anos Além disso, podemos continuar fornecendo patches para o ramo v2 idade, se necessário por um tempo No entanto, eu Recomendo fortemente para atualizar para v3 uma vez disponível. Feedback é bem-vinda. A primeira pré-visualização v3 0 0-alpha1 já foi publicado para NuGet e eu pretendo fazer pelo menos mais duas versões antes de chegar à primeira versão v3 0 Por favor, tenha um Olhar para ele e dar feedback - agora é uma possibilidade única para quebrar changes. Overview sobre o que foi feito até agora. Namespace simplifications. More design funcional, onde for apropriado Certifique-se de tudo funciona bem e se sente nativa em C e F. Use curto comum Nomes se bem conhecido em vez de longos nomes cheios de trigonometria. Álgebra Linear Usando os tipos genéricos é a maneira recomendada agora certifique-se de que funciona bem As classes de IO para serialização de vetor de matriz tornam-se pacotes separados Maior Refactoring dos solvers iterativos Enchido algumas partes faltantes, várias simplificações, lotes de outros changes. Distributions Limpeza principal Exposição direta de funções das distribuições pdf, cdf, etc. Parâmetro Estimação. Novas funções da distância. Visão geral em o que é planeado para fazer. Trabalho Eu também gostaria de projetá-los de tal forma que eles podem ser iterados manualmente, de uma maneira simples. Transformações integral FFT etc necessidade grande refatoração apoiado por provedor nativo se possível. Considere para trazer de volta filtragem FIR, IIR, média móvel, etc. Atual QR-decomposição de base de ajuste de curva é ineficiente para grandes conjuntos de dados, mas fixá-lo não é realmente muito complicado. Investigar e corrigir uma inconsistência no Precision class. Drop redundante null-checks. Details sobre o que é novo na versão 3 até agora. Dropping Namespaces. Did que você nunca tem que abrir 10 diferentes namespaces Numerics para obter tudo o que você precisa Isso deve ficar um pouco melhor na v3, como as fachadas estáticas como Integrate Interpolate F Ele ou FindRoots para casos simples foram movidos diretamente para o namespace raiz e todos os namespaces algoritmos para usos avançados do formulário são agora simply. In além dos namespaces simplificados, a última sobrecarga Diferenciar que retorna todo o valor interpolado eo primeiro e Segunda derivada em algum ponto x foi simplificada em vez de dois out-parameters em uma ordem inesperada que agora retorna uma tupla com ordenação razoável. O projeto da transformação de dupla-exponencial foi bastante estranho Ele foi simplificado para uma classe estática e é muito Mais simples de usar explicitamente. Probability Distributions. Although sempre foi possível atribuir uma fonte aleatória personalizada RNG para uma distribuição para amostragem de números aleatórios, era um pouco complicado e exigiu duas etapas Agora todos os construtores de distribuição têm uma sobrecarga aceitar uma fonte aleatória personalizada diretamente em Algumas distribuições agora suportam estimativa de parâmetros de máxima verossimilhança e As funções de distribuição como PDF CDF e InvCDF agora são expostas diretamente como funções estáticas. A documentação inline ea nomeação de parâmetro foram melhoradas significativamente ChiSquare tornou-se ChiSquared ea interface de IDistribution tornou-se IUnivariateDistribution Simples mais amostragem aleatória composeable em F com novo Módulo de amostra. Novas funções de distância. Rotinas padrão para avaliação das distâncias euclidianas, Manhattan e Chebychev entre matrizes ou vetores, também para a Soma comum de Diferença Absoluta SAD, Média-Absoluta de Erro MAE, Soma de Diferença de Quadrado SSD e Média de Esquema de Erro MSE Métricas Hamming distância Alavancando provedores onde apropriado. Mesmo verificações nulas e ArgumentNullExceptions. Likely como um efeito colateral da minha exposição à programação funcional ao longo do ano passado, eu não mais seguir os argumentos por que em C cada rotina deve verificar explicitamente todos os argumentos para null I ve Já caiu algumas dessas verificações, Mas ainda há mais de 2000 lugares onde Numerics lança um ArgumentNullException A maioria destes provavelmente vai ser ido Há um caso onde faz sentido mantê-los embora quando uma rotina aceita um argumento, mas não usá-lo imediatamente e, portanto, não causa Um NullReferenceException imediato, uma referência null furtivamente em poderia ser difícil de depurar, por isso vamos manter a verificação Mas esses casos são bastante raros, dada a natureza da biblioteca. A biblioteca IO que costumava ser distribuído como parte do núcleo do pacote é agora Um conjunto de pacotes NuGet separados, por exemplo, e vive em um repositório separado. Favoring tipos de álgebra linear genérica. Como o namespace genérico foi exigido o tempo todo de qualquer maneira eo caminho recomendado feliz agora é sempre usar os tipos genéricos, tudo a partir do namespace tem Foi movido um namespace para cima De agora em diante, você normalmente só precisa abrir dois namespaces ao trabalhar com álgebra linear, mesmo se factorizations são necessários Por exemplo, ao usar o doubl Digitar, é mais forte em F, todas as funções de criação init no módulo F agora retornam diretamente tipos genéricos para que você não tem que upcast manualmente todo o tempo A maioria das rotinas foram generalizadas para trabalhar em tipos genéricos. Para casos em que você deseja implementar algoritmos genéricos, mas também precisa criar novas matrizes densa ou esparso ou vetores de um novo construtor genérico foi adicionado Isso raramente será necessário no código do usuário though. Missing rotinas de matriz escalar. Alguns faltando scalar - As rotinas de matriz como adicionar ou subtrair um escalar a uma matriz ou dividir um escalar por uma matriz foram adicionadas, apoiadas por provedores sempre que possível. Há também agora uma rotina de módulo. Operadores de ponto-sábios infixos onde suportados. E operadores de matrizes e vetores na biblioteca central Isso não é suportado em todos os idiomas ainda, mas funciona bem em F, mesmo sem currying suporte Claro que nos outros idiomas você pode continuar a usar os métodos normais como befor E. Factorization e Iterative Solvers. Previamente factorization matriz só foi acessível por métodos de extensão ou criação explícita, o que não funcionou muito bem ao usar tipos genéricos O tipo de matriz genérica agora fornece métodos para criá-los diretamente Como tal, as implementações reais foram internalizados Já que não há mais necessidade de acesso direto. A fatoração QR é agora fina por padrão e as fatorações não clonam mais os resultados sem razão prática. O projeto iterativo do solver foi significativamente simplificado e agora é genérico e compartilhado sempre que possível e aceita Tipos genéricos em todos os lugares Os namespaces são agora muito mais plana como a estrutura muito detalhada não adicionar qualquer valor, mas significava que você tinha que abrir uma dúzia de namespaces. Misc álgebra linear improvements. Vectors agora têm uma rotina ConjugateDotProduct além de DotProduct. Vectors agora explicitamente fornecer Apropriadas L1, L2 e infinidade. Os vetores das matrizes têm agora enumerators consistentes, com uma variante tha T salta zeros úteis se sparse. Matrix Vector criação rotinas foram simplificados e geralmente já não exigem dimensões explícitas Novas variantes para criar matrizes diagonais, ou tal, onde todos os campos têm o mesmo valor. Matrices Vectors expor se o armazenamento é denso com uma nova propriedade IsDense. Providers foram movidos para um espaço para nome Providers e são totalmente genéricos novamente. Mais robusto complexo Asin Acos para números reais grandes. Trig funções comuns nomes curtos em vez de namesplex muito longo nomes curtos comuns para Exp, Ln, Log10, Log. Statistics novo single - pass método MeanVariance como usado frequentemente together. Share este post.
No comments:
Post a Comment