【时间序列降维】一种领先国内的降维算法---LTTB降维拟合算法

前言

LTTB算法由冰岛大学的Sveinn在2013年提出,其对时序数据的降维拟合效果显著,且适用于海量数据处理,已被欧洲多家商业公司采纳,其降维效果如下图,灰色是高密度的原始时序数据,黑色是降维后的拟合表示

本文将先介绍PAA降维算法,再讨论LTTB降维算法,最后使用工业生产数据对两者进行实验对比,整个过程已整理为论文报告的一部分。因实验部分数据保密关系,本博客将只截取部分论文报告内容,但已足以讲清LTTB算法。(该方法具有极高的数据预处理价值,并且写报告不易,国庆肝了7天,所以为了防爬设置个门槛,需要全文的评论或私信我即可,请理解)

----- 临时插播 ---- 这就有人给我私自传到百度文库上去啦?还收费。。这种盗qie也要防爬是吧

这个沛安同学你要我都免费给了,你还上传单独收费只能说明人品和技术都太狭隘了,这又不是什么芯片技术有必要收费吗?我这是防爬你这盗qie也要防爬?亲爱的读者们,我这写的全免费的,私信或评论就

  • 19
    点赞
  • 36
    收藏
    觉得还不错? 一键收藏
  • 180
    评论
lttbdownsample是一种数据降采样的算法,它可以将大数据集中的数据点进行压缩,以便在可视化或分析中更高效地展示数据。lttb是"largest triangle three buckets"的缩写,它的原理是将原始数据集分成三个桶,然后在每个桶内选择一个最大的三角形,作为输出数据点。 具体步骤是这样的:首先,将原始数据集根据x轴的值进行排序,然后将整个数据范围分成若干个桶。接下来,在每个桶内,计算出相邻数据点之间的斜率,并选择出斜率最大的三个点作为三角形的顶点。最后,将这些顶点作为输出的数据点。 这种算法的好处是可以在保留原始数据形态的同时,减少输出数据点的数量。因为它选择的是斜率最大的点,所以能够较好地保留数据中的重要特征。而且,lttbdownsample算法的复杂度较低,适用于大规模数据集的降采样。 除了在数据可视化中常用,lttbdownsample也可以在其他领域发挥作用。比如,在传感器数据的处理中,可以使用该算法来降低传输和处理的数据量,提高效率。另外,在数据分析中,如果需要对大量数据进行分析和建模,lttbdownsample可以帮助减少计算量,加快分析过程。 总之,lttbdownsample是一种常用的数据降采样算法,通过选择最大的三角形来减少数据点的数量,同时保留重要特征。它在数据可视化和分析中有广泛的应用,可以提高效率和减少计算量。
评论 180
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值