CoreMathCore

Documentation

Index

• func ClassifyEqualWidth(data []float64, numBins int) ([][]float64, error)
• func DiscreteMean(v []float64) float64
• func DiscreteStd(v []float64) float64
• func DiscreteVariance(v []float64) float64
• func FeatureCrossing(X, Y []float64) []float64
• func GetMid(data []float64) (result float64)
• func GetQuantile2(data float64) (min, max float64)
• func GetQuantile3(data float64) (min, mid, max float64)
• func GetScoreHMLM(X, Y []float64) (result []float64, medX, medY, medP float64)
• func GetScoreWeightedSum(indicators [][]float64, weights []float64) ([]float64, error)
• func GetScoreWeightedSumFloat64(data []float64, weights []float64) (result float64)
• func LinearCombination(X, Y []float64, weightX, weightY float64) []float64
• func Normalize(data []float64) (result []float64)
• func ZScoreXY(x float64, y float64) (x1 float64, y1 float64)

Functions

func ClassifyEqualWidth

func ClassifyEqualWidth(data []float64, numBins int) ([][]float64, error)

ClassifyEqualWidth 等宽区间划分算法 data: 数据 numBins: 切分数量 * 使用方法： 1. 使用本方法输出数据，然后对应数据的值就是切分单元 2. 切分单元的key采用[0]~[n]为基准

func DiscreteMean

func DiscreteMean(v []float64) float64

DiscreteMean 期望 预期平均值

func DiscreteStd

func DiscreteStd(v []float64) float64

DiscreteStd 标准差 基于方差基础上，更符合认知 便于识别波动剧烈性

func DiscreteVariance

func DiscreteVariance(v []float64) float64

DiscreteVariance 方差 直接识别一组数据的波动性

func FeatureCrossing

func FeatureCrossing(X, Y []float64) []float64

FeatureCrossing 计算X和Y的乘积来实现特征交叉

func GetMid

func GetMid(data []float64) (result float64)

GetMid 获取中位数

func GetQuantile2

func GetQuantile2(data float64) (min, max float64)

GetQuantile2 获取一个浮点数的2分位数 反馈两组数据，分别对应最小值、最大值区间

func GetQuantile3

func GetQuantile3(data float64) (min, mid, max float64)

GetQuantile3 获取一个浮点数的3分位数 反馈三组数据，分别对应最小值、中间值、最大值区间

func GetScoreHMLM

func GetScoreHMLM(X, Y []float64) (result []float64, medX, medY, medP float64)

GetScoreHMLM 根据X和Y的值以及它们的中位数来计算得分 * 用途： 可以将XY轴两组数据，输出为一组数据，形成归一化处理

得分分布： 1-4代表象限位置 | 2中 | 1高 | | 3低 | 4中 |

使用方法：

1. 根据得分结果，可以将数据转换为坐标，进行可视化展示，必定为线性值
2. medX和medY可以用于对原始数据进行区域识别
3. medP为最终得分的中位数，可以用于对得分进行区域识别，例如将区域切分为2等分； 如果需切分3等分，可medP=0~0.25; medP=0.25~0.75; medP=0.75~1 medP*0.25 ; medP*0.25~medP*0.75; medP=0.75 第二种切分方式为另外一种3等分，medP=0~0.33; medP=0.33~0.66; medP=0.66~1
4. 如果采用medXY切分，那么更容易业务人员理解；如果采用medP切分，比较倾向于算法领域。可根据实际需求切分

func GetScoreWeightedSum

func GetScoreWeightedSum(indicators [][]float64, weights []float64) ([]float64, error)

GetScoreWeightedSum 计算加权输出上级得分

func GetScoreWeightedSumFloat64

func GetScoreWeightedSumFloat64(data []float64, weights []float64) (result float64)

GetScoreWeightedSumFloat64 计算一组浮点数在指定权重关系的最终得分

func LinearCombination

func LinearCombination(X, Y []float64, weightX, weightY float64) []float64

LinearCombination 计算线性组合关系

func Normalize

func Normalize(data []float64) (result []float64)

Normalize 归一化数据

func ZScoreXY

func ZScoreXY(x float64, y float64) (x1 float64, y1 float64)

ZScoreXY Z-score标准化XY轴两组浮点数