java for步长_java设定窗口步长,依次统计窗口内数值总和

import java.util.Arrays;

public class test2 {

public static void main(String[] args) {

int winSize = 3;

int moveStep = 2;

int total = 9;

System.out.println("样本为:");

for(int i=0;i

System.out.print(i+" ");

}

System.out.println("");

System.out.println("窗口大小为:"+winSize);

System.out.println("步长大小为:"+moveStep);

int[] cycleArray = new int[winSize];

int count = 0;

int addPoint = winSize;

// 参数初始化

System.out.print("窗口{ ");

for (int i = 0; i < winSize; i++) {

cycleArray[i] = i;

count += cycleArray[i];

System.out.print(cycleArray[i]+" ");

}

System.out.print("}的数据总和为:"+cou

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
步长拟合(Stepwise Fit)是一种逐步选择变量的拟合方法,常用于回归分析中。在 Java 中实现步长拟合需要使用一些数学计算库,比如 Apache Commons Math。下面是一个简单的实现: ```java import java.util.Arrays; import org.apache.commons.math3.stat.regression.OLSMultipleLinearRegression; public class StepwiseFit { public static void main(String[] args) { double[][] x = {{1, 2, 3}, {4, 5, 6}, {7, 8, 9}, {10, 11, 12}}; double[] y = {4, 2, 1, 3}; int k = x[0].length + 1; boolean[] selected = new boolean[k]; Arrays.fill(selected, false); selected[0] = true; double[] residuals = y.clone(); OLSMultipleLinearRegression regression = new OLSMultipleLinearRegression(); for (int i = 1; i < k; i++) { double[] bestX = null; double[] bestCoefficients = null; double bestSSE = Double.POSITIVE_INFINITY; for (int j = 0; j < k; j++) { if (!selected[j]) { double[] newX = new double[i]; int p = 0; for (int q = 0; q < k; q++) { if (selected[q]) { newX[p++] = x[q][j]; } } regression.newSampleData(residuals, newX); double[] coefficients = regression.estimateRegressionParameters(); double SSE = regression.calculateResidualSumOfSquares(); if (SSE < bestSSE) { bestX = newX; bestCoefficients = coefficients; bestSSE = SSE; } } } selected[j] = true; double[] newResiduals = new double[residuals.length]; for (int j = 0; j < residuals.length; j++) { newResiduals[j] = residuals[j] - regression.calculatePredictedValue(bestX, bestCoefficients); } residuals = newResiduals; } regression.newSampleData(y, x); double[] coefficients = regression.estimateRegressionParameters(); System.out.println(Arrays.toString(coefficients)); } } ``` 这个实现假设 x 和 y 数组已经被赋值。首先初始化一个长度为 k+1 的数组 selected,其中 k 是 x 数组的列数。数组 selected 用于记录哪些变量被选择,初始化为只选择常数项。然后对于每个变量,计算不包含该变量的模型的 SSE,选择 SSE 最小的变量加入模型。重复这个过程,每次加入一个变量,直到所有变量都被选择。最后,用所有变量重新拟合模型并输出系数。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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