Монтирането на кръпка чувствително ли е към отклонения? Това е въпрос, който са ми задавали много пъти като доставчик на лепенки. И това е изключително важно, особено когато търсите използването на корекция в реални приложения.
Нека първо разберем какво е поставяне на кръпка. С прости думи, напасването на кръпки е метод, използван за приближаване на повърхност или крива чрез монтиране на по-малки петна заедно. Това е като да изградите голяма картина от по-малки парчета пъзел. Всяка корекция е проектирана да съответства възможно най-точно на локален регион на данните. Този подход е наистина полезен в различни области, като компютърна графика, инженерство и дори в някои научни изследвания.
Сега, какви са отклоненията? Извънредните стойности са точки от данни, които са значително различни от останалата част от набора от данни. Те могат да бъдат причинени от грешки в измерването, експериментални грешки или просто някои редки събития. Например, в набор от данни, който измерва височината на група хора, ако има един човек, който е изключително висок или нисък в сравнение с останалите, височината на този човек ще бъде отклонение.
И така, да се върнем към въпроса: Чувствително ли е приспособяването на корекцията към отклонения? Краткият отговор е да, може. Когато монтирате кръпки към вашите данни, отклоненията могат да имат голямо влияние. Да приемем, че се опитвате да напаснете пластир към набор от точки, които представляват формата на обект. Ако има извънредна точка далеч от основния клъстер от точки, алгоритъмът за напасване на корекция може да се опита да коригира корекцията, за да включи тази извънредна стойност. Това може да доведе до корекция, която не представя точно по-голямата част от данните.
Представете си, че използвате пач фитинг, за да моделирате повърхността на каросерията на автомобила. Имате куп точки, които точно представят плавните извивки на колата. Но тогава има една извънредна точка, която е далеч, може би поради грешка в измерването. Процесът на поставяне на лепенка може да изкриви лепенката, за да отчете това отклонение, което води до модел, който не изглежда като истинската каросерия на автомобила.
Има няколко причини, поради които поставянето на корекция може да бъде чувствително към отклонения. Първо, много алгоритми за напасване на корекции се основават на минимизиране на някакъв вид функция за грешка. Тази функция за грешки отчита разстоянието между пластира и точките с данни. Извънредните стойности, тъй като са далеч от основните данни, могат да допринесат в голяма степен за тази грешка. Така че алгоритъмът ще се опита да намали тази грешка чрез коригиране на корекцията, дори ако това означава жертване на съответствието за по-голямата част от данните.
Друга причина е, че някои методи за корекция предполагат, че данните следват определено разпределение. Извънредните стойности могат да нарушат тези предположения, причинявайки неочаквано поведение на алгоритъма. Например, ако даден алгоритъм приеме, че данните са нормално разпределени, отклонението може да накара разпределението да изглежда изкривено и процесът на корекция на корекцията ще бъде засегнат.
Въпреки това, не всичко е обречено и мрачно. Има начини да се справите с извънредните стойности при поставянето на корекции. Един често срещан подход е използването на стабилна статистика. Стабилните статистически методи са проектирани да бъдат по-малко засегнати от отклонения. Вместо да минимизират сумата на квадратните грешки (която е много чувствителна към извънредни стойности), тези методи използват други мерки за грешка, които са по-устойчиви на екстремни стойности.
Например, можете да използвате медианата вместо средната стойност, когато изчислявате центъра на пластир. Медианата е по-малко засегната от извънредни стойности, защото зависи само от средната стойност на набора от данни, а не от сбора на всички стойности. Като използвате стабилна статистика, можете да направите своя процес на корекция по-надежден при наличието на отклонения.
Друг начин е да откриете и премахнете извънредните стойности преди процеса на поставяне на кръпка. Има няколко техники за откриване на отклонения, като например метода на интерквартилния обхват. Този метод изчислява диапазона между 25-ия и 75-ия персентил на данните и определя отклоненията като точки, които са далеч извън този диапазон. След като идентифицирате извънредните стойности, можете да ги премахнете от набора от данни и след това да извършите корекцията - монтиране върху останалите, по-надеждни данни.
В моя опит като доставчик на монтаж на корекции съм виждал както предизвикателствата, така и решенията, свързани с отклоненията. Работил съм с клиенти в различни индустрии, от космическата индустрия до потребителските продукти. Във всеки случай наличието на извънредни стойности може потенциално да обърка резултатите от корекцията. Но като използваме правилните техники, ние успяхме да постигнем точни и надеждни модели, подходящи за корекция.
Например, един от нашите клиенти в индустрията за интелигентни домове използва пач фитинг, за да моделира движението на устройствата за отваряне на прозорци. Те имаха някои точки от данни, които явно се различаваха, вероятно поради някаква електрическа намеса по време на измерването. Използвахме комбинация от откриване на извънредни стойности и стабилна статистика, за да гарантираме, че напасването на пластира точно представя нормалното движение наАвтоматично отваряне на плъзгащи се прозорци за интелигентна къща. Това им помогна да оптимизират дизайна на своя механизъм за отваряне на прозорци и да подобрят работата му.
Друг клиент в производството на врати - затварящи механизми беше изправен пред подобни проблеми. Техните данни за движението на устройствата за затваряне на врати имаха извънредни стойности, които се отразяваха на монтажа на пластира. Чрез прилагане на подходящите техники за работа с отклонения, успяхме да създадем прецизен модел заАвтоматично меко затваряне на врати, което от своя страна им помогна да прецизират скоростта и силата на затваряне на вратата.
И за тези, които използват ръчни оператори на прозорци, катоРъчна верига за управление на алуминиев прозорец, монтажът на кръпка може също да се използва за анализ на механичните свойства. Отклоненията в данните могат да доведат до неточни модели, но с правилния подход все пак можем да получим надеждни резултати.
Ако сте в ситуация, в която се нуждаете от услуги за поставяне на кръпки и се притеснявате за извънредни стойности, не се колебайте да се свържете с нас. Ние разполагаме с експертизата и инструментите, за да се справим с тези проблеми и да ви предоставим висококачествени решения за поставяне на кръпки. Независимо дали сте в ранните етапи на разработване на продукта или търсите да подобрите съществуващ дизайн, нашата корекция може да ви помогне да получите най-точните модели.
В заключение, докато поставянето на кръпки може да бъде чувствително към отклонения, има ефективни начини за смекчаване на тази чувствителност. Чрез използването на стабилна статистика и техники за откриване на извънредни стойности, ние можем да гарантираме, че процесът на коригиране на кръпка точно представя по-голямата част от данните. Ако проявявате интерес да научите повече за това как можем да ви помогнем с вашите нужди за поставяне на кръпки, не се колебайте да се свържете с нас за обсъждане на обществената поръчка. Винаги сме готови да работим с вас, за да намерим най-добрите решения за вашите проекти.
Референции
- Rousseeuw, PJ, & Leroy, AM (2005). Стабилна регресия и откриване на отклонения. Уайли.
- Хокинс, DM (1980). Идентифициране на извънредни стойности. Чапман и Хол.