web-dev-qa-db-ja.com

トレンドライン（回帰、カーブフィッティング）Javaライブラリ

Excelと同じ傾向線を計算するアプリケーションを開発しようとしていますが、データセットが大きくなっています。

enter image description here

しかし、そのような回帰を計算するJavaライブラリを見つけることができません。私はApacheCommons mathを使用しているlineraモデルと、MichaelThomasの優れた数値ライブラリがありました。フラナガンですが、1月以降は利用できなくなりました。

http://www.ee.ucl.ac.uk/~mflanaga/Java/

Javaでこれらの回帰を計算するための他のライブラリ、コードリポジトリを知っていますか。ベスト、

javamathstatisticsregression
13
Fgblanch

これらはすべて線形近似に基づいているため、OLSMultipleLinearRegressionは、線形、多項式、指数、対数、および累乗の近似曲線に必要なすべてです。

あなたの質問は私にコモンズ数学回帰ツールをダウンロードして遊ぶ言い訳を与えました、そして私はいくつかのトレンドラインツールをまとめました：

インターフェース：

public interface TrendLine {
    public void setValues(double[] y, double[] x); // y ~ f(x)
    public double predict(double x); // get a predicted y for a given x
}

回帰ベースの近似曲線の抽象クラス：

public abstract class OLSTrendLine implements TrendLine {

    RealMatrix coef = null; // will hold prediction coefs once we get values

    protected abstract double[] xVector(double x); // create vector of values from x
    protected abstract boolean logY(); // set true to predict log of y (note: y must be positive)

    @Override
    public void setValues(double[] y, double[] x) {
        if (x.length != y.length) {
            throw new IllegalArgumentException(String.format("The numbers of y and x values must be equal (%d != %d)",y.length,x.length));
        }
        double[][] xData = new double[x.length][]; 
        for (int i = 0; i < x.length; i++) {
            // the implementation determines how to produce a vector of predictors from a single x
            xData[i] = xVector(x[i]);
        }
        if(logY()) { // in some models we are predicting ln y, so we replace each y with ln y
            y = Arrays.copyOf(y, y.length); // user might not be finished with the array we were given
            for (int i = 0; i < x.length; i++) {
                y[i] = Math.log(y[i]);
            }
        }
        OLSMultipleLinearRegression ols = new OLSMultipleLinearRegression();
        ols.setNoIntercept(true); // let the implementation include a constant in xVector if desired
        ols.newSampleData(y, xData); // provide the data to the model
        coef = MatrixUtils.createColumnRealMatrix(ols.estimateRegressionParameters()); // get our coefs
    }

    @Override
    public double predict(double x) {
        double yhat = coef.preMultiply(xVector(x))[0]; // apply coefs to xVector
        if (logY()) yhat = (Math.exp(yhat)); // if we predicted ln y, we still need to get y
        return yhat;
    }
}

多項式モデルまたは線形モデルの実装：

（線形モデルの場合、コンストラクターを呼び出すときに次数を1に設定するだけです。）

public class PolyTrendLine extends OLSTrendLine {
    final int degree;
    public PolyTrendLine(int degree) {
        if (degree < 0) throw new IllegalArgumentException("The degree of the polynomial must not be negative");
        this.degree = degree;
    }
    protected double[] xVector(double x) { // {1, x, x*x, x*x*x, ...}
        double[] poly = new double[degree+1];
        double xi=1;
        for(int i=0; i<=degree; i++) {
            poly[i]=xi;
            xi*=x;
        }
        return poly;
    }
    @Override
    protected boolean logY() {return false;}
}

指数モデルとパワーモデルはさらに簡単です。

（注：現在、log yを予測しています-これは重要です。これらは両方とも正のyにのみ適しています）

public class ExpTrendLine extends OLSTrendLine {
    @Override
    protected double[] xVector(double x) {
        return new double[]{1,x};
    }

    @Override
    protected boolean logY() {return true;}
}

そして

public class PowerTrendLine extends OLSTrendLine {
    @Override
    protected double[] xVector(double x) {
        return new double[]{1,Math.log(x)};
    }

    @Override
    protected boolean logY() {return true;}

}

そしてログモデル：

（これはxの対数を取りますが、ln yではなくyを予測します）

public class LogTrendLine extends OLSTrendLine {
    @Override
    protected double[] xVector(double x) {
        return new double[]{1,Math.log(x)};
    }

    @Override
    protected boolean logY() {return false;}
}

そして、あなたはそれをこのように使うことができます：

public static void main(String[] args) {
    TrendLine t = new PolyTrendLine(2);
    Random Rand = new Random();
    double[] x = new double[1000*1000];
    double[] err = new double[x.length];
    double[] y = new double[x.length];
    for (int i=0; i<x.length; i++) { x[i] = 1000*Rand.nextDouble(); }
    for (int i=0; i<x.length; i++) { err[i] = 100*Rand.nextGaussian(); } 
    for (int i=0; i<x.length; i++) { y[i] = x[i]*x[i]+err[i]; } // quadratic model
    t.setValues(y,x);
    System.out.println(t.predict(12)); // when x=12, y should be... , eg 143.61380202745192
}

トレンドラインが必要だったので、olsモデルを使い終わったときに却下しましたが、適合度などのデータを保持することをお勧めします。

移動平均、移動中央値などを使用する実装の場合、CommonsMathに固執できるように見えます。 DescriptiveStatistics を試して、ウィンドウを指定してください。別の回答で提案されているように、補間を使用して、平滑化を行うことをお勧めします。

37
maybeWeCouldStealAVan

多分WeCouldStealAVaが言ったことに加えて;

Commons-math3ライブラリは mavenリポジトリ でも利用できます。

現在のバージョンは3.2で、依存関係タグは次のとおりです。

    <dependency>
        <groupId>org.Apache.commons</groupId>
        <artifactId>commons-math3</artifactId>
        <version>3.2</version>
    </dependency>
4
Martin Åberg

org.Apache.commons.math3.analysis.interpolationで利用可能なさまざまな種類の interpolators を使用できます。たとえば、LinearInterpolator、LoessInterpolator、NevilleInterpolatorなどです。

3
Alexander Serebrenik