А
А это зря. Вам же весь процесс важен.
у меня конкретная задача, при каком времени будет такая то вероятность и вычислить величину ошибки определения этого времени
Size: a a a
2021 January 07
PZ
у меня конкретная задача, при каком времени будет такая то вероятность и вычислить величину ошибки определения этого времени
И не забывайте что это тестовое на аналитика. Они ожидают применение нужных им навыков.
А
@PavloZ знание scipy это необходимый навык у аналитика данных?
PZ
А
Может подразумевалось, что данные времени изначально содержат ошибку, а реальный физический процесс красиво-логистический ?
эти данные это замеры времени, когда засыпал человек
А
судя по графику ошибки в данных нет. Видно, что после определенного времени он всегда спит, но иногда ложится пораньше
PZ
А
тут же не линейная регрессия нужна?
PZ
эти данные это замеры времени, когда засыпал человек
Тогда все выглядит красиво.
Ну может кто посоветует что там в sklearn
Ну может кто посоветует что там в sklearn
PZ
Вот тут наверное максимально общий путь описан . Исходят из того, что фунциональные законы можно свести к линейной модели
https://scikit-learn.org/stable/auto_examples/compose/plot_transformed_target.html
Но мне кажется это слишком громоздким в сравнении с scipy
https://scikit-learn.org/stable/auto_examples/compose/plot_transformed_target.html
Но мне кажется это слишком громоздким в сравнении с scipy
I
Ну Табло тоже может подогнать это. Без scipy.
Я просто не пытался имитировать резюме аналитика. Но вроде в sklearn нет подгонки функций общего назначения
Я просто не пытался имитировать резюме аналитика. Но вроде в sklearn нет подгонки функций общего назначения
curve_fit в scipy. Используется нелинейный МНК
А
По идее у меня есть значение вероятности до 0.9 и после 0.9, т.е. нам известно, что при вероятности 0.873 сдвиг по времени был 45 минут, а при значении 0.904, стал 46 минут. Где то между 45й и 46 минутой лежит вероятность со значением 0.9. Можно же предсказать значение сдвига используя именно линейную регрессию?
PZ
По идее у меня есть значение вероятности до 0.9 и после 0.9, т.е. нам известно, что при вероятности 0.873 сдвиг по времени был 45 минут, а при значении 0.904, стал 46 минут. Где то между 45й и 46 минутой лежит вероятность со значением 0.9. Можно же предсказать значение сдвига используя именно линейную регрессию?
Можно. Но некруто.
Вам же уже написали специальную крутую аббревиатуру МНК чтобы вселить уверенность в крутости scipy
Вам же уже написали специальную крутую аббревиатуру МНК чтобы вселить уверенность в крутости scipy
А
@PavloZ, первым аргументом curve_fit это функция, какую функцию нужно подставить?
PZ
I
По идее у меня есть значение вероятности до 0.9 и после 0.9, т.е. нам известно, что при вероятности 0.873 сдвиг по времени был 45 минут, а при значении 0.904, стал 46 минут. Где то между 45й и 46 минутой лежит вероятность со значением 0.9. Можно же предсказать значение сдвига используя именно линейную регрессию?
Я сейчас не совсем вообще понимаю что предсказывается) Значения времени по вероятности???
А
Я сейчас не совсем вообще понимаю что предсказывается) Значения времени по вероятности???
в определенном интервале времени на протяжении нескольких дней замерялось спит человек или нет. Нужно указать время с точностью до секунды, когда человек с вероятностью 0.9 уже спит
А
данные были в виде время с точностью до минуты, сдвиг по времени в минутах (относительно 22-00) и результат наблюдения (1 - человек спит, 0 - бодрствует)
А
я сгруппировал данные времени и вычислил вероятность того, что человек спит в определенную минуту наблюдаемого периода