原理
新二乘法(最小三乘法)
◆ “新二乘法”是“最小二乘法”的改进法，“最小二乘法”是“新二乘法”的一个特例。它涵盖了以往一切数据回归分析算法，在数据回归计算时，不只 计算模型的常数和系数，还计算模型变量中的幂值，使得非线性数据回归计算更简单结果更准确。
◆ “新二乘法”在回归处理二维(一维因素变量和一维目标函数 y)数据时，因为要计算幂值(任意实数)，一个因素变量可以派生出多个同变量但幂 不同的回归元，使得回归计算的结果会更准确。 在回归处理多维(二维以上因素变量和一维目标函数)数据时，多个因素变量可以派生出多个不同变量幂还不同的回归元，同时回归计算还考虑 不同变量的相互影响，使得多维回归计算的结果同样更准确。
动态局部分析
◆ “动态局部分析”是相关大数据建立数学关系的一种算法。
◆ 大数据的特点是维度多，范围广数据量大，用“新二乘法”也很难找出维度之间的数学关系，针对的个问题，我们采用“动态局部分析”法。
◆ “动态局部分析”是对原始的历史数据进行筛选，剔出不合理的样本，把筛选后的 N 组样本，做为标准样本群，放在计算程序中。
◆ 检测样品的条件数据需要计算对应的结果时，样品条件数据在标准样本群中检索，检索出n(n 可设定为10)组和样品距离最近的样 本(包括条件和结果数据)，对这 n 个样本用“新二乘法”做回归建模。
◆ 把样品数据代入这个模型中计算对应的结果，计算的结果就满足了实际需要。
查看详情
