问题标签 [extrapolation]

谁能帮我找到一种使用 C# 进行多项式外推的高效方法？

示例：我有 10 个不同的坐标（XY 平面），需要使用非常高效的算法根据这 10 个点找到第 11 个点。

如果除了外推法还有其他方法，请建议我。

谢谢..

我想知道是否有一个众所周知的算法来推断文件名模式，给定一组样本文件名作为输入。采用以下示例文件名：

理想情况下，我希望在结果集中得到的模式类似于：

即使像下面这样的结果值仍然是一个很好的起点：

为什么我需要这个？

我有一个现有的应用程序，用户可以在其中输入“文件掩码”来定义要分组的传入输入文件的存储桶。根据每个文件掩码（按顺序）评估传入文件，如果文件与掩码匹配，则文件将进入该文件掩码的存储桶......结束。

我想要实现的是，给定最后处理的 X 个文件名，向用户提供新文件掩码的建议。它不必是完美的。这只是一个用户辅助功能。

我使用什么语言？

我的应用程序是用 Java 编写的，因此任何可以执行此类功能的第三方 Java 库都是理想的解决方案。否则，如果这个问题有一个众所周知的算法，那么我可以自己实现它。

I have the following data values

Based on this data values and assuming a modal of 1/frequency (pink noise). I wish to extrapolate the data at earlier frequencies 0.01-10Hz. Other information I have is the data from 0.01-10Hz has a peak-peak amplitude of 80 nV. Therefore the integral between 0.01-10Hz is a constraint. Is this possible to do?

So I will be extrapolating and fitting between freq=logspace(-2,1e4,1000)

Currently I'm having a look at SLM - Shape Language Modeling and optimization toolbox. The key is to ensure the constraint of 80nV p-p is closely satisfied. At frequency=0 needs to be ignored since this will blow up.

考虑以下形式的一些数据

现在我知道了一个事实，当用半对数轴绘制时，这些数据应该形成一条直线：

问题是样品编号。由于所用仪器的限制，1、2、3 和 4 的最大输出为 10。所以我想做的是在样本 5:10 上拟合一条直线，然后用它来推断，这样我就可以估计 1、2、3 和 4 的值。

我对如何在 MATLAB 中执行此操作感到困惑，我的尝试如下：

这产生了这个情节......

在我们的游戏中，我们有一个老板 (NPC)，他的生命在一个时间间隔内被检查，比如 1 分钟。我需要找到一种方法来推断已知点（寿命，时间），并大致预测一分钟后的寿命（1分钟后将再次检查寿命，并将其放入数据集中）此外，推断需要考虑最近的变化（例如，如果我们有 10 个点，而最后两个点变化很快，它应该能够预测下一个点的变化更快）。我发现了这个和这个的多个示例，但似乎我无法在 as3 代码中翻译所有这些。基本上我正在寻找的是2D Extrapolation。

PS 重点是计算出来的值不能超过之前的值，因为boss的生命值不能增加，也不能保持不变；他们只能减少。我想这意味着外推是行不通的。所以我正在寻找另一种可行的算法。

我拍了一张非常古老的照片。那张照片本身有点伤痕累累，因此图像的内容无法正确显示。是否有任何图像重建或外推软件可供我下载并使用它来重建图像并使肉眼非常清楚？

从给定的数据库中，我需要以这种方式推断结果：

• LINES 包含运动品牌的类型，例如 Nike、Reebook 等。
• COLUMNS 包含商店，例如商店 1、商店 2、商店 3 等。

作为“交叉”结果，表格必须显示每个商店/品牌的剩余尺寸。

请参见以下示例：

我怎样才能在 HTML/PHP 中处理这个结果，以便将它们作为上面的示例？

我正在尝试内插/本地外推一些工资数据以填写数据集。

这是数据集和可用数据的图表：

鉴于明显的非线性，我希望通过局部线性估计器进行插值和外推（我想填写 0 到 40 年的经验），所以我默认为lowess，这给出了：

这在情节上很好，但是缺少原始数据——R 的绘图设备已经为我们填补了空白。我一直无法找到predict此功能的方法，因为它似乎R正在朝着 using 的方向发展loess，据我所知，这是一种概括。

但是，当我使用具有标准方法的loess（设置surface="direct"为能够推断，如 中所述）时，拟合不太令人满意：?loesspredict

（有强有力的理论理由说工资应该不降低——这里有一些噪音/可能的错误测量驱动了 U 形）

而且我似乎无法摆弄任何参数来恢复由lowess.

有什么建议吗？

我有一个 (x, y, z) 值的网格，我想要一个函数，当给定 (x,y) 位于网格之外的点时，它可以近似 z 值。

我尝试使用 Akima 包（代码块 3）解决问题，但我似乎无法让 interp 函数与线性 = FALSE 选项一起使用，该选项需要在网格之外进行推断。

数据：

可视化数据（对问题不是必需的）：

我尝试使用 Akima 包解决问题

使用 R 3.1.3 和 akima_0.5-11。

我正在对大约 120 万个观测值运行大约 45,000 个局部线性回归（基本上），所以我很感激一些帮助试图加快速度，因为我不耐烦。

我基本上是在尝试为一堆公司构建逐年工资合同——功能工资（给定公司、年份、职位的经验）。

这是我正在使用的数据（基本结构）集：

我想为所有公司构建经验水平 0 到 40 的工资函数，例如：

为此，我一直在使用 COBS（约束 B 样条曲线）包（在 @BondedDust 的建议下），它允许我建立工资合同的单调性。

一些问题仍然存在；特别是，当我需要推断时（只要给定的公司没有任何非常年轻或非常老的员工），拟合就有失去单调性或降至 0 以下的趋势。

为了解决这个问题，我一直在数据边界之外使用简单的线性外推——将拟合曲线延伸到外面min_exp，max_exp使其通过两个最低（或最高）拟合点——并不完美，但它似乎正在做很不错。

考虑到这一点，这就是我到目前为止的做法（请记住，我是个data.table狂热分子）：

请注意可能会减慢我的代码速度的特别之处？还是我被迫忍耐？

在这里玩的是一些较小的坚定头寸组合：