从多个对象中找到最接近的 x 属性值之和
Find closest sum of x properties values from multiple objects
假设我有一个 class 部分具有 3 个属性 x,y,z:
class Part {
constructor(x, y, z) {
this.x = x
this.y = y
this.z = z
}
createNewFromParts(...parts){
}
}
我想要 createNewFromParts 函数获取 x 个零件并找到
每个部分复制其属性的常数,因此在复制所有部分后,所有部分的每个 属性 值的总和将最接近原始部分 属性。我还想记录成功百分比。成功百分比将由所有 3 个属性一起计算,而不是单独计算。
例如:
const whole = new Part(4,6,10);
const part1 = new Part(1,2,4);
const part2 = new Part(2,2,3);
在此示例中,这很简单:将 part1 乘以 1,将 part2 乘以 2,相加结果将是 (5,6,10),这可能是最佳匹配。
假设会有这样的事情:
const whole = new Part(32,10,27);
const part1 = new Part(10,7,15);
const part2 = new Part(15,5,22);
我如何找到常量来复制每个部分以获得最佳匹配?
我想找到一种算法,该算法将为要复制的每个部分找到一个常量,以获得最接近原始的最佳匹配。
感谢帮助:)
这里有一个Least Squares的方法,只是解决问题的众多方法之一
如果您将每个部分视为具有 3 个元素的向量,例如第 1 部分将是:
然后您可以编写一个线性系统,通过系数向量 A
:
将部分 P
与整个部分 Y
相关联
然后您可以找到 A
的系数向量 最小化残差平方和:
残差平方和 r
是整个部分 Y
与 'best' 估计部分 之间的平方差之和,其中帽子表示 'estimated'.
这个平方残差最小化问题的解是用这个方程得到的估计系数:
一旦你有了系数的估计,你就可以像这样计算 Mean Absoute Percentage Error (MAPE):
这是一个使用 math.js 的实现,它适用于任意数量的部件。
function findCoeffs(Y, parts) {
const P = math.transpose(parts);
const Pt = parts;
const PtPinv = math.inv(math.multiply(Pt, P));
const PtPinvPt = math.multiply(PtPinv, Pt);
return math.multiply(PtPinvPt, Y);
}
function test(Y, ...parts) {
const coeffs = findCoeffs(Y, parts);
const round = n => +n.toFixed(2);
const disp = ns => JSON.stringify(ns.map(n => Array.isArray(n) ? n.map(round) : round(n)));
const actual = math.multiply(coeffs, parts);
const error = math.subtract(Y, actual);
const errorPercent = error.map((e, i) => Math.abs(e / actual[i]));
const totalErrorPercent = errorPercent.reduce((sum, e) => sum + e, 0) * 100 / coeffs.length;
console.log('--------------------------');
console.log('expected (Y) ', disp(Y));
console.log('parts (P) ', disp(parts));
console.log('coeffs (A) ', disp(coeffs));
console.log('actual (PA) ', disp(actual));
console.log('coeff error ', disp(errorPercent));
console.log('mean error (MAPE)', round(totalErrorPercent) + '%');
}
test([4, 6, 10], [1, 2, 4], [2, 2, 3]);
test([32, 10, 27], [10, 7, 15], [15, 5, 22]);
test([3.2, 3, 5], [1.1, 1, 1], [1.1, 2, 3], [1, -1, 1]);
.as-console-wrapper { max-height: 100% !important; top: 0; }
<script language="JavaScript" src="https://cdnjs.cloudflare.com/ajax/libs/mathjs/5.8.0/math.min.js"></script>
假设我有一个 class 部分具有 3 个属性 x,y,z:
class Part {
constructor(x, y, z) {
this.x = x
this.y = y
this.z = z
}
createNewFromParts(...parts){
}
}
我想要 createNewFromParts 函数获取 x 个零件并找到 每个部分复制其属性的常数,因此在复制所有部分后,所有部分的每个 属性 值的总和将最接近原始部分 属性。我还想记录成功百分比。成功百分比将由所有 3 个属性一起计算,而不是单独计算。
例如:
const whole = new Part(4,6,10);
const part1 = new Part(1,2,4);
const part2 = new Part(2,2,3);
在此示例中,这很简单:将 part1 乘以 1,将 part2 乘以 2,相加结果将是 (5,6,10),这可能是最佳匹配。
假设会有这样的事情:
const whole = new Part(32,10,27);
const part1 = new Part(10,7,15);
const part2 = new Part(15,5,22);
我如何找到常量来复制每个部分以获得最佳匹配?
我想找到一种算法,该算法将为要复制的每个部分找到一个常量,以获得最接近原始的最佳匹配。
感谢帮助:)
这里有一个Least Squares的方法,只是解决问题的众多方法之一
如果您将每个部分视为具有 3 个元素的向量,例如第 1 部分将是:
然后您可以编写一个线性系统,通过系数向量 A
:
P
与整个部分 Y
相关联
然后您可以找到 A
的系数向量 最小化残差平方和:
残差平方和 r
是整个部分 Y
与 'best' 估计部分
这个平方残差最小化问题的解是用这个方程得到的估计系数:
一旦你有了系数的估计,你就可以像这样计算 Mean Absoute Percentage Error (MAPE):
这是一个使用 math.js 的实现,它适用于任意数量的部件。
function findCoeffs(Y, parts) {
const P = math.transpose(parts);
const Pt = parts;
const PtPinv = math.inv(math.multiply(Pt, P));
const PtPinvPt = math.multiply(PtPinv, Pt);
return math.multiply(PtPinvPt, Y);
}
function test(Y, ...parts) {
const coeffs = findCoeffs(Y, parts);
const round = n => +n.toFixed(2);
const disp = ns => JSON.stringify(ns.map(n => Array.isArray(n) ? n.map(round) : round(n)));
const actual = math.multiply(coeffs, parts);
const error = math.subtract(Y, actual);
const errorPercent = error.map((e, i) => Math.abs(e / actual[i]));
const totalErrorPercent = errorPercent.reduce((sum, e) => sum + e, 0) * 100 / coeffs.length;
console.log('--------------------------');
console.log('expected (Y) ', disp(Y));
console.log('parts (P) ', disp(parts));
console.log('coeffs (A) ', disp(coeffs));
console.log('actual (PA) ', disp(actual));
console.log('coeff error ', disp(errorPercent));
console.log('mean error (MAPE)', round(totalErrorPercent) + '%');
}
test([4, 6, 10], [1, 2, 4], [2, 2, 3]);
test([32, 10, 27], [10, 7, 15], [15, 5, 22]);
test([3.2, 3, 5], [1.1, 1, 1], [1.1, 2, 3], [1, -1, 1]);
.as-console-wrapper { max-height: 100% !important; top: 0; }
<script language="JavaScript" src="https://cdnjs.cloudflare.com/ajax/libs/mathjs/5.8.0/math.min.js"></script>